很久以前，看到家乡洪水肆虐，大禹决心要把洪水引到大海里，因此带领众人修建立了一套水沟系统。他们在每条水沟都装了阀门来控制水的流量。他们设计了每条水沟每分钟的排水量，以及水沟的整体布局。洪水从池塘流出，最后汇入大海。请确定洪水从家乡流入大海的最大流量。 输入格式: 第一行包含两个整数N和M，分别表示水沟数量和水沟的交叉点数量，其中交叉点1代表家乡，交叉点M是大海。后面N行，每行三个整数，s,e,c，其中s,e表示交叉点且水从s流向e，最大流量是c(0到10000之间)。 输出格式: 输出排出水的最大流量。

这是一个最大流问题，可以使用网络流算法来解决。常用的算法有Dinic算法和Edmonds-Karp算法，其中Edmonds-Karp算法是Dinic算法的一种特殊实现，时间复杂度为O(nm^2)，适用于小规模的网络流问题。

具体操作步骤如下：

1. 构建图：将每条水沟看作一条边，每个交叉点看作一个节点，将容量c作为边权，构建出一个有向图。

2. 初始化：将源点s设为交叉点1，汇点t设为交叉点M，初始化残量网络。

3. 查找增广路：在残量网络中查找一条从s到t的增广路，即路径上所有边的容量都大于0，选择增广路中容量最小的边的容量作为当前流量f。

4. 更新残量网络：将增广路上所有边的残量减去f，相应地将反向边的残量增加f。

5. 计算最大流：重复步骤3和4，直到无法找到增广路为止，此时的流量即为最大流。

代码实现如下（使用Edmonds-Karp算法）：

from collections import deque

n, m = map(int, input().split())
graph = [[] for _ in range(n + 1)]
for _ in range(n):
    s, e, c = map(int, input().split())
    graph[s].append((e, c, len(graph[e])))
    graph[e].append((s, 0, len(graph[s]) - 1))

def bfs():
    queue = deque([1])
    visited = [False] * (n + 1)
    visited[1] = True
    parent = [-1] * (n + 1)
    while queue:
        curr = queue.popleft()
        for next, capacity, _ in graph[curr]:
            if not visited[next] and capacity > 0:
                visited[next] = True
                parent[next] = curr
                if next == m:
                    return parent
                queue.append(next)
    return None

def max_flow():
    flow = 0
    while True:
        parent = bfs()
        if not parent:
            break
        f = float('inf')
        curr = m
        while curr != 1:
            _, capacity, index = graph[parent[curr]][-1]
            f = min(f, capacity)
            curr = parent[curr]
        curr = m
        while curr != 1:
            graph[parent[curr]][-1] = (graph[parent[curr]][-1][0], graph[parent[curr]][-1][1] - f, graph[parent[curr]][-1][2])
            graph[curr][index] = (graph[curr][index][0], graph[curr][index][1] + f, graph[curr][index][2])
            curr = parent[curr]
        flow += f
    return flow

print(max_flow())

时间复杂度为O(nm^2)，其中n为节点数量，m为边数量。