二叉树右视图：BFS与DFS算法详解

1. 问题理解与解法思路

199. 二叉树的右视图这道题目要求我们返回从右侧观察二叉树时能看到的节点值序列。换句话说，我们需要收集每一层最右侧的节点值。

1.1 问题分析

想象你站在一棵二叉树的右侧，从上往下看，每一层你只能看到最右边的那个节点。这就是题目要求我们实现的"右视图"。例如对于二叉树：

code复制    1
   / \
  2   3
   \   \
    5   4

它的右视图应该是 [1, 3, 4]。

1.2 解法思路

最直观的解法是使用广度优先搜索（BFS）进行层序遍历。在遍历每一层时，我们只需要记录该层的最后一个节点即可。这是因为：

1. BFS天然适合处理层级遍历的问题
2. 队列的先进先出特性保证了同一层节点的顺序
3. 每层最后一个出队的节点就是该层最右侧的节点

2. 代码实现详解

让我们仔细分析给出的C++实现代码：

cpp复制class Solution {
public:
    vector<int> rightSideView(TreeNode* root) {
        queue<TreeNode*> que;
        if (root != NULL) que.push(root);
        vector<int> result;
        
        while (!que.empty()) {
            int size = que.size();
            for (int i = 0; i < size; i++) {
                TreeNode* node = que.front();
                que.pop();
                
                if (i == (size - 1)) result.push_back(node->val);
                
                if (node->left) que.push(node->left);
                if (node->right) que.push(node->right);
            }
        }
        return result;
    }
};

2.1 代码结构解析

1. 队列初始化：使用queue<TreeNode*>来存储待处理的节点
2. 根节点处理：如果根节点不为空，将其加入队列
3. 结果容器：vector<int>用于存储右视图结果
4. 主循环：当队列不为空时继续处理
5. 层级遍历：通过size记录当前层的节点数，确保我们只处理当前层
6. 节点处理：取出队首节点，如果是该层最后一个节点则记录其值
7. 子节点入队：将当前节点的左右子节点（如果存在）加入队列

2.2 关键点说明

• size = que.size()：这个操作非常重要，它记录了当前层的节点数量，让我们能够区分不同层的节点
• i == (size - 1)：这个条件判断当前节点是否是当前层的最后一个节点
• 子节点入队顺序：先左后右，这保证了同一层节点从左到右的顺序

3. 算法复杂度分析

3.1 时间复杂度

该算法需要访问二叉树中的每个节点一次，因此时间复杂度为O(n)，其中n是二叉树的节点数。

3.2 空间复杂度

空间复杂度主要取决于队列中存储的节点数量。在最坏情况下（完全二叉树），队列中最多会存储约n/2个节点（最后一层的节点数），因此空间复杂度也是O(n)。

4. 边界条件与特殊情况处理

在实际编码中，我们需要考虑以下几种特殊情况：

1. 空树：当输入root为nullptr时，应该返回空vector
2. 只有左子树：例如 [1,2,null,5]，右视图应为[1,2,5]
3. 只有右子树：例如 [1,null,3,null,4]，右视图应为[1,3,4]
4. 单节点树：例如 [1]，右视图应为[1]

给出的代码已经正确处理了这些边界情况。

5. 算法优化与变种

5.1 DFS解法

除了BFS，我们还可以使用DFS来解决这个问题：

cpp复制class Solution {
public:
    vector<int> rightSideView(TreeNode* root) {
        vector<int> result;
        dfs(root, 0, result);
        return result;
    }
    
    void dfs(TreeNode* node, int depth, vector<int>& result) {
        if (!node) return;
        
        if (depth == result.size()) {
            result.push_back(node->val);
        }
        
        dfs(node->right, depth + 1, result);
        dfs(node->left, depth + 1, result);
    }
};

这种解法先访问右子树，只有当当前深度还没有记录节点时（即depth == result.size()），才记录当前节点值。

5.2 比较BFS和DFS

1. BFS优势：

   • 直观易理解
   • 适合需要层级信息的场景
   • 空间复杂度在最坏情况下与DFS相同

2. DFS优势：

   • 代码更简洁
   • 平均情况下空间复杂度可能更低（O(h)，h为树高）
   • 可以提前终止某些路径的搜索

6. 实际应用场景

二叉树的右视图问题在实际中有多种应用：

1. UI布局：在可视化树状结构时，确定哪些节点应该优先显示
2. 游戏开发：在3D场景中确定物体的可见性
3. 网络路由：在树形网络拓扑中确定关键路径节点

7. 常见错误与调试技巧

7.1 常见错误

1. 忘记处理空树情况：直接开始遍历而不检查root是否为nullptr
2. 层级判断错误：没有正确记录当前层的节点数，导致混淆不同层的节点
3. 子节点入队顺序错误：如果先右后左入队，会导致结果错误

7.2 调试技巧

1. 打印队列状态：在每次循环开始时打印队列中的节点值
2. 可视化遍历过程：画一个小二叉树，手动模拟算法执行过程
3. 单元测试：编写多个测试用例，包括各种边界情况

8. 扩展思考

8.1 左视图实现

如果我们想实现二叉树的左视图，只需要稍作修改：

cpp复制if (i == 0) result.push_back(node->val);  // 记录每层第一个节点

8.2 俯视图实现

俯视图（top view）的实现会更复杂一些，需要考虑节点的水平距离，通常需要使用哈希表来记录每个水平距离的第一个节点。

8.3 多角度视图

在实际应用中，我们可能需要同时获取左视图、右视图、俯视图等多种视角的信息。这时可以考虑设计一个更通用的遍历框架，一次收集所有需要的信息。