动态规划-有向无回路图中两点间最远距离

题目来源于《算法导论》第15章动态规划的习题 15-1，显然建议使用DP

对最小距离大家应该都比较熟悉，比如对非负权值图中有Dijkstra算法，对负权值图中有Ford算法。  最远距离？假设从A到F的最远距离为A->C->D->E->F, 为什么D->E->F一定会是从D到F的最远距离？我在这点证明困扰了很久，直到最近才想明白其中原理。

当重新审视有向(directed) 无回路(acyclic)这两个词时，我才突然想到原来可以这样证明：

依然假设A到F的最远距离为A->C->D->E->F, 现在考虑从D到F：如果存在B，使得D->B->F更远，那么我们直接可以用这段路径代替D->E->F, 这与我们之前的假设相矛盾；如果D经过C再到达F的距离更远，比如D->C->(E)->F, 那就说明存在回路D<->C, 这与条件相矛盾。所以，这里，D->E->F必然是从D到F的最远路径。算法的理论基础终于找到了！

OK,既然最远子路径是问题的必要条件，那么反过来，我们找到每一个点（除了终点以外）到达终点的最远路径，就可以作为整个问题的充分条件。我们需要一个合适的顺序，遍历所有顶点，从终点开始，逐渐向外扩展。问题到了这里就很明显了，采用拓扑序，广度优先的方式遍历。

具体实现中，我用了一个queue存放BFS中覆盖到的顶点。注意在每加入一个新的顶点v时，除了要遍历已计算过的顶点再确定最大的path[v]时，还要反过来考虑对于已经计算过最远距离的顶点u,如果存在权边u->v,那么path[u]也可能需要更新，这一步是最