一、算法题描述

1.1 算法描述

现有一棵n个节点构成的二叉树，请你将每一层的节点向右循环位移k位。某层向右位移一位(即k=1)的含义为：

1. 若当前节点为左孩子节点，会变成当前节点的双亲节点的右孩子节点。

2. 若当前节点为右儿子，会变成当前节点的双亲节点的右边相邻兄弟节点的左孩子节点。(如果当前节点的双亲节点已经是最右边的节点了，则会变成双亲节点同级的最左边的节点的左孩子节点)

3. 该层的每一个节点同时进行一次位移。

4. 是从最下面的层开始位移，位移完每一层之后，再向上，直到根节点，位移完毕。

如果从最后一层开始对该二叉树的每一层循环位移k位。以下方二叉树为例，k=1：

			 1/ \2   3/ \4   5

位移最后一层，5变成2的左孩子节点，4变成3的右孩子节点，如下图:

			    1/ \2   3/     \5       4

再位移倒数第二层，3变成1的左孩子节点，2变成1的右孩子的节点，它们的孩子节点随着一起位移，如下图：

		      1/ \3   2\   /4 5

根节点没有双亲节点，不用位移，位移完毕

现在给你这棵二叉树，请你返回循环右移k位后的二叉树。

1.2 示例

1.2.1 示例1

输入

{1,2,3,#,#,4,5},1

输出

{1,3,2,#,4,5}

说明

解释见题面描述。     

1.2.1 示例2

输入

{1,2,3,4},2

输出

{1,2,3,#,#,4}

说明

      1/ \2   3/4变为1/ \2   3/4

1.2.3 示例3

输入

{1,#,3,4,5},1

输出

{1,3,#,5,4}

说明

    1\3/ \4   5变为1\3/ \5   4变为1/3/ \5   4

1.4 备注

树的节点个数在[1,10^5]之间，且保证该树上每个节点的编号不同，节点编号并非按顺序排列，1≤k≤100。

1.5 提供的代码

import java.util.*;/** public class TreeNode {*   int val = 0;*   TreeNode left = null;*   TreeNode right = null;*   public TreeNode(int val) {*     this.val = val;*   }* }*/public class Solution {/*** 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可** * @param root TreeNode类 * @param k int整型 * @return TreeNode类*/public TreeNode cyclicShiftTree (TreeNode root, int k) {// write code here}
}

二、算法实现

2.1 算法思路

1. 层序遍历：使用队列进行BFS（层次遍历），同时记录每个节点在每一层的位置信息，包括父节点位置、当前节点位置以及是否为左孩子或右孩子。将这些信息存储在levels数组中，每个元素是一个列表，包含该层所有节点的信息。

2. 位移操作：从最底层开始，逐层向上进行位移操作。对于每一层，首先计算出这一层需要位移的步数，然后根据位移步数调整每个节点的左右子节点指针。

3. 指针重构：在位移过程中，需要重新构建每个节点的左右子节点指针。这可以通过遍历levels数组中的每层节点，并根据它们的父节点位置和位移步数来确定新的子节点位置。

4. 更新指针：在位移操作完成后，需要更新上一层的节点指针，将当前层的节点连接到上一层的相应节点上。

5. 处理边界条件：在位移过程中，需要注意处理边界条件，例如当位移步数超过当前层节点数时，需要对步数进行取模操作。

2.2 算法实现

import java.util.*;/** TreeNode类定义* public class TreeNode {*   int val = 0;*   TreeNode left = null;*   TreeNode right = null;*   public TreeNode(int val) {*     this.val = val;*   }* }*/public class Solution {// Node类封装了节点的层次信息，便于后续重构指针class Node {int parentIndex;    // 父节点在当前层的位置int currentIndex;   // 当前节点在该层的索引位置int flag;           // 标记当前节点是左孩子(0)还是右孩子(1)TreeNode currentNode;  // 当前节点的引用// 构造方法public Node(int parentIndex, int currentIndex, int flag, TreeNode currentNode) {this.parentIndex = parentIndex;this.currentIndex = currentIndex;this.flag = flag;this.currentNode = currentNode;}}public TreeNode cyclicShiftTree(TreeNode root, int k) {if (root == null) return null;  // 空树处理// 存储每层的节点信息，用于后续循环位移和指针重构ArrayList<ArrayList<Node>> levels = new ArrayList<>();Queue<Node> queue = new LinkedList<>();// 初始化：根节点加入队列queue.offer(new Node(0, 0, 0, root));// `parentNum`记录当前层节点数，`nextNum`记录下一层节点数int parentNum = 1, nextNum = 0;ArrayList<Node> tempLevel = new ArrayList<>();  // 当前层的节点列表// 层次遍历：记录每层节点的结构信息while (!queue.isEmpty()) {Node node = queue.poll();tempLevel.add(node);  // 将节点加入当前层的列表--parentNum;// 添加左子节点到队列if (node.currentNode.left != null) {queue.offer(new Node(node.currentIndex, nextNum++, 0, node.currentNode.left));}// 添加右子节点到队列if (node.currentNode.right != null) {queue.offer(new Node(node.currentIndex, nextNum++, 1, node.currentNode.right));}// 当前层遍历完毕，将其加入到levels，并更新下一层if (parentNum == 0) {parentNum = nextNum;nextNum = 0;levels.add(tempLevel);tempLevel = new ArrayList<>();}}// 从树的最底层开始，逐层循环右移并更新左右子节点指针int depth = levels.size() - 1;for (int i = depth; i >= 1; --i) {  // 从最底层向上逐层处理ArrayList<Node> parentLevel = levels.get(i - 1);int parentLevelSize = parentLevel.size();// 清空上一层每个节点的左右子节点，准备重新分配指针for (Node parent : parentLevel) {parent.currentNode.left = null;parent.currentNode.right = null;}// 计算当前层的位移步数int move = k % (2 * parentLevelSize);  // 控制位移在有效范围内tempLevel = levels.get(i);// 根据位移更新每个节点的左右子节点指针for (Node node : tempLevel) {// 计算目标父节点位置和孩子标记（左孩子或右孩子）int targetParentIndex = node.flag == 0? (node.parentIndex + move / 2) % parentLevelSize: (node.parentIndex + (move + 1) / 2) % parentLevelSize;int targetChildFlag = node.flag == 0 ? move % 2 : (move + 1) % 2;// 获取目标父节点Node targetParent = parentLevel.get(targetParentIndex);// 根据targetChildFlag更新子节点指针if (targetChildFlag == 0) {targetParent.currentNode.left = node.currentNode;} else {targetParent.currentNode.right = node.currentNode;}}}return root;  // 返回根节点，树的结构已完成位移并更新}
}

2.3 算法复杂度分析

1. 时间复杂度：算法的时间复杂度主要取决于树的节点数n以及位移步数k。在最坏情况下，我们需要对每个节点进行位移操作，因此时间复杂度为O(n * k)。然而，由于位移操作的步数k通常远小于树的节点数n，因此实际的时间复杂度通常接近O(n)。

2. 空间复杂度：算法的空间复杂度主要取决于树的高度h和每层的节点数。在最坏情况下，我们可能需要存储所有层的节点信息，因此空间复杂度为O(n)，其中n为树的节点数。