【广度优先搜索】leetcode 116. 填充每个节点的下一个右侧节点指针

116. 填充每个节点的下一个右侧节点指针

题目描述

给定一个 完美二叉树 ，其所有叶子节点都在同一层，每个父节点都有两个子节点。二叉树定义如下：

struct Node {
  int val;
  Node *left;
  Node *right;
  Node *next;
}

填充它的每个 next 指针，让这个指针指向其下一个右侧节点。如果找不到下一个右侧节点，则将 next 指针设置为 NULL。

初始状态下，所有 next 指针都被设置为 NULL。

示例1：

输入： root = [1,2,3,4,5,6,7]
输出： [1,#,2,3,#,4,5,6,7,#]
解释： 给定二叉树如图 A 所示，你的函数应该填充它的每个 next 指针，以指向其下一个右侧节点，如图 B 所示。序列化的输出按层序遍历排列，同一层节点由 next 指针连接，‘#’ 标志着每一层的结束。

示例2：

输入： root = []
输出： []

提示

• $树中节点的数量在[0,2^{12}-1]范围内$
• $-1000<=node.val<=1000$

进阶

• 你只能使用常量级额外空间。
• 使用递归解题也符合要求，本题中递归程序占用的栈空间不算做额外的空间复杂度。

方法：广度优先搜索

解题思路

广度优先遍历是按层层推进的方式，遍历每一层的节点。广度优先需要用队列作为辅助结构，我们先将根节点放到队列中，然后不断遍历队列。

首先拿出根节点，如果左子树/右子树不为空，就将他们放入队列中。第一遍处理完后，根节点已经从队列中拿走了，而根节点的两个孩子已放入队列中了，现在队列中就有两个节点 2 和 3。

第二次处理，会将 2 和 3 这两个节点从队列中拿走，然后再将 2 和 3 的子节点放入队列中，现在队列中就有四个节点 4，5，6，7。

我们在遍历每一层的时候，用 $lastNode$ 保存上一个节点，遍历到下一个节点时，使 $lastNode$ 的 $next$ 指针指向 $node$，便可让每个节点的下一个节点为其右侧节点。

代码

/*
// Definition for a Node.
class Node {
public:
    int val;
    Node* left;
    Node* right;
    Node* next;

    Node() : val(0), left(NULL), right(NULL), next(NULL) {}

    Node(int _val) : val(_val), left(NULL), right(NULL), next(NULL) {}

    Node(int _val, Node* _left, Node* _right, Node* _next)
        : val(_val), left(_left), right(_right), next(_next) {}
};
*/

class Solution {
public:
    Node* connect(Node* root) {
        queue<Node*> que;
        if(root != NULL)    que.push(root);
        while(!que.empty()) {
            int size = que.size();
            Node* lastNode;
            Node* node;
            for(int i = 0; i < size; i++) {
                if(i == 0) {
                    lastNode = que.front();
                    que.pop();
                    node = lastNode;
                } else {
                    node = que.front();
                    que.pop();
                    lastNode->next = node;
                    lastNode = node;
                }
                if(node->left != NULL)  que.push(node->left);
                if(node->right != NULL) que.push(node->right);
            }
        }
        return root;
    }
};

复杂度分析

• 时间复杂度：$O(n)$。
• 空间复杂度：$O(n)$。