题目描述

给定一个保存员工信息的数据结构，它包含了员工 唯一的 id ，重要度 和 直系下属的 id 。

比如，员工 1 是员工 2 的领导，员工 2 是员工 3 的领导。他们相应的重要度为 15 , 10 , 5 。那么员工 1 的数据结构是 [1, 15, [2]] ，员工 2的 数据结构是 [2, 10, [3]] ，员工 3 的数据结构是 [3, 5, []] 。注意虽然员工 3 也是员工 1 的一个下属，但是由于 并不是直系 下属，因此没有体现在员工 1 的数据结构中。

现在输入一个公司的所有员工信息，以及单个员工 id ，返回这个员工和他所有下属的重要度之和。

样例1

输入：[[1, 5, [2, 3]], [2, 3, []], [3, 3, []]], 1
输出：11
解释：
员工 1 自身的重要度是 5 ，他有两个直系下属 2 和 3 ，而且 2 和 3 的重要度均为 3 。因此员工 1 的总重要度是 5 + 3 + 3 = 11 。

提示

• 一个员工最多有一个 直系 领导，但是可以有多个 直系 下属
• 员工数量不超过 2000 。

算法1

(DFS)

• 考虑一个问题：给出起点的id值，如何快速定位到对应的Employee来获取相关信息? 所以用一个哈希表把每个id对应的Employee保存起来

• 抽象出一个有向图的结构，从起点开始深度优先搜索，每遍历到一个节点，都加上重要度

• 时间复杂度：$O(n)$

Java 代码

/*
// Definition for Employee.
class Employee {
    public int id;
    public int importance;
    public List<Integer> subordinates;
};
*/

class Solution {
    Map<Integer,Employee> map = new HashMap<>();
    public int getImportance(List<Employee> employees, int id) {
        for(Employee e: employees){
            map.put(e.id, e);
        }
        return dfs(id);
    }

    int dfs(int id){
        Employee e = map.get(id);
        int res = e.importance;
        if(e.subordinates.size() == 0) return res;
        for(int x: e.subordinates){
            res += dfs(x);
        }
        return res;
    }
}

算法2

(BFS)

• 思路和DFS几乎完全相同

• 时间复杂度：$O(n)$

Java代码

/*
// Definition for Employee.
class Employee {
    public int id;
    public int importance;
    public List<Integer> subordinates;
};
*/

class Solution {

    public int getImportance(List<Employee> employees, int id) {
        Map<Integer,Employee> map = new HashMap<>();
        int res = 0;
        for(Employee e: employees){
            map.put(e.id, e);
        }
        Queue<Integer> q = new LinkedList<>();
        q.offer(id);
        while(q.size() > 0){
            Employee t = map.get(q.poll());
            res += t.importance;
            for(int x: t.subordinates){
                q.offer(x);
            }
        }
        return res;
    }
}