网络流
最大流问题(Maximum Flow Problem)
有向有权图
给定起点s和终点t
预期：求出从s到t的最大流
ps.有些“管道”达不到其最大容量
朴素的匹配算法(Naive Algorithm)：未必能找到最大流，其结果往往比最优解差一点，但是其他更好的算法都基于此算法
构建一个和原图(Original Graph)相同的新图(Residual Graph)，在新图上找出一条从s到t的简单无环图(Augmenting path)，可以通过例如当做无权图然后求最短路的方式
由于短板效应，这条路径上的最大流量是边权的最小值 Flow = Capacity - Residual;
然后将新图的该路径上都减少这个数字，然后按照此规则进行迭代
找不到路径时，终止程序，最大流即为减少的数字之和；某条边的流量即为上述 Flow
（算法）不漏水时，流出等于流入
由于该图是有向图，具有不可逆性，算法不能反悔，因而结果不一定是最优解
Naive求出的不一定是最大流，求出的被称为阻塞流(Blocking Flow)
阻塞流：有了这些流量，就不能增加到终点的流量了；虽然它不是最优的，但是把管道都给堵住了；最大流也是阻塞流
Ford-Fulkerson Algorithm：正确性有保障，一定能找到最大流
主要流程和朴素算法相似，但是在选择简单无环图、使此路径同时减小x之后，需要构建权值为x的反向路径；这样可以使之前选择的路径即使不好也可以撤销（构建反向路径时，不能和已有正向路径抵消。但是可以和同为反向路径的边叠加）
时间复杂度：