给出连通有向图G的各边权值，并指定源点s和汇点t，求G的最大流 Input 输入为1+V行，第1行有3个整数，分别为图G中点的数量V、源点序号、汇点序号，以空格隔开 接下来的V行为V*V的邻接矩阵，记录了图G中各边的权值，各边权值均为整数，每行V个值以空格隔开

本题是一个典型的网络流问题，可以使用Ford-Fulkerson算法或Edmonds-Karp算法来求解。在本题中，我们可以通过邻接矩阵来表示图G中各边的权值，并使用邻接矩阵来实现Ford-Fulkerson算法。

具体而言，我们可以首先将邻接矩阵表示的图G转换为一个邻接表，便于在算法中进行遍历。然后，我们可以使用BFS或DFS来寻找增广路径，并在此基础上进行增广。直到无法找到增广路径为止，算法结束。此时，我们可以计算出流量的总和，即为最大流。

下面是Python实现Ford-Fulkerson算法求解最大流的示例代码：

from collections import deque

# Ford-Fulkerson算法
def ford_fulkerson(graph, source, sink):
    # 初始化残量图为原图
    residual_graph = [graph[i][:] for i in range(len(graph))]

    # 初始化流量为0
    max_flow = 0

    # 寻找增广路径
    while True:
        parent = [-1] * len(residual_graph)
        parent[source] = source
        queue = deque([source])
        while queue:
            current = queue.popleft()
            for neighbor, residual_capacity in enumerate(residual_graph[current]):
                if parent[neighbor] == -1 and residual_capacity > 0:
                    parent[neighbor] = current
                    if neighbor == sink:
                        break
                    queue.append(neighbor)
        if parent[sink] == -1:
            break

        # 计算增广路径的流量
        path_flow = float('inf')
        current = sink
        while current != source:
            path_flow = min(path_flow, residual_graph[parent[current]][current])
            current = parent[current]

        # 更新残量图
        current = sink
        while current != source:
            residual_graph[parent[current]][current] -= path_flow
            residual_graph[current][parent[current]] += path_flow
            current = parent[current]

        # 更新最大流
        max_flow += path_flow

    return max_flow

# 读取输入
V, source, sink = map(int, input().split())
graph = [list(map(int, input().split())) for _ in range(V)]

# 求解最大流
max_flow = ford_fulkerson(graph, source, sink)

# 输出结果
print(max_flow)

在该示例代码中，我们使用了邻接矩阵来表示图G，并使用了BFS来寻找增广路径。如果需要使用DFS来寻找增广路径，只需要将BFS的部分替换为DFS即可。