Loud and Rich 喧闹和富有

在一组 N 个人（编号为 0, 1, 2, ..., N-1）中，每个人都有不同数目的钱，以及不同程度的安静（quietness）。

为了方便起见，我们将编号为 x 的人简称为 "person x "。

如果能够肯定 person x 比 person y 更有钱的话，我们会说 richer[i] = [x, y] 。注意 richer 可能只是有效观察的一个子集。

另外，如果 person x 的安静程度为 q ，我们会说 quiet[x] = q 。

现在，返回答案 answer ，其中 answer[x] = y 的前提是，在所有拥有的钱不少于 person x 的人中，person y 是最安静的人（也就是安静值 quiet[y] 最小的人）。

示例：

输入：richer = [[1,0],[2,1],[3,1],[3,7],[4,3],[5,3],[6,3]], quiet = [3,2,5,4,6,1,7,0]
输出：[5,5,2,5,4,5,6,7]
解释： 
answer[0] = 5，
person 5 比 person 3 有更多的钱，person 3 比 person 1 有更多的钱，person 1 比 person 0 有更多的钱。
唯一较为安静（有较低的安静值 quiet[x]）的人是 person 7，
但是目前还不清楚他是否比 person 0 更有钱。

answer[7] = 7，
在所有拥有的钱肯定不少于 person 7 的人中(这可能包括 person 3，4，5，6 以及 7)，
最安静(有较低安静值 quiet[x])的人是 person 7。
其他的答案也可以用类似的推理来解释。

提示：

1. 1 <= quiet.length = N <= 500
2. 0 <= quiet[i] < N，所有 quiet[i] 都不相同。
3. 0 <= richer.length <= N * (N-1) / 2
4. 0 <= richer[i][j] < N
5. richer[i][0] != richer[i][1]
6. richer[i] 都是不同的。
7. 对 richer 的观察在逻辑上是一致的。

思路：这道题第一眼看上去一脸懵逼，如果好好分析下发现这道题可以用有向图来解决，我们构建一个有向图，其中A->B表示B的钱比A多或者和A一样多，这样构建出的图便是一个由钱少流向钱多的图，然后我们寻找出度为0的点，因为出度为0的点没有更多有钱的出节点，所以他们的结果肯定是自身，然后我们把他们删去（同时删除链接的所有边），然后再次寻找出度为0的节点，同时我们比较他们自身的quiet值和删去边对应节点的quiet值，取最小值。这样我们一直遍历到起始节点即可。

具体的思路可以查看这篇博客的Find Eventual Safe States 找到最终的安全状态的思路二，为了达到以上目的，我们需要一个辅助队列q存储当前出节点为0的节点，同时我们也需要构建正常的图graph和逆向的图rev_graph。

参考代码：

class Solution {
public:
vector<int> loudAndRich(vector<vector<int>>& richer, vector<int>& quiet) {
	vector<int> res(quiet.size());
	for (int i = 0; i < quiet.size(); i++) res[i] = i;
	vector<unordered_set<int>> graph(quiet.size());
	vector<unordered_set<int>> rev_graph(quiet.size());
	queue<int> q;
	for (int i = 0; i < richer.size(); i++) {
		int source = richer[i][1];
		int end = richer[i][0];
		graph[source].insert(end);
		rev_graph[end].insert(source);
	}
	for (int i = 0; i < graph.size(); i++) {
		if (graph[i].empty()) q.push(i);
	}
	while (!q.empty()) {
		auto tmp = q.front(); q.pop();
		for (auto neibor : rev_graph[tmp]) {
			res[neibor] = quiet[res[tmp]]>quiet[res[neibor]]? res[neibor] : res[tmp];
			graph[neibor].erase(tmp);
			if (graph[neibor].empty()) q.push(neibor);
		}
	}
	return res;
}
};