199. Binary Tree Right Side View
思路：想要得到树的每一层最右侧元素值，用BFS最方便。先访问左节点再访问右节点，最后访问的一个值就是留下的值。
想要DFS的思路也可以。只是一定要访问所有节点。
代码
491 Increasing Subsequences
思路：我的习惯思维是对于nums[idx]可以选择取或者不取。取的话，在什么条件下可以取。满足什么条件的结果可以记录到结果中。想好这些就能写代码了。
本题：list记录上一步已经取的数字。如果if (list.size() == 0 || nums[idx] >= list.get(list.size()-1)) 的时候就可以取当前元素到列表。只要list.size 大于等于2 就可以加入结果集。题目还需要去重。
学习：还有一种dfs的思路是：findSequence(int[] nums, int idx, Deque<Integer> list, Set<List<Integer>> result) 前一步放入list中的最后一个元素的下标是idx-1，当前可以决定继续加入的元素是从idx到数组末尾中的任何一个元素，当然元素也是要符合条件的。
代码
785. Is Graph Bipartite?
思路：要把所有的顶点（下标）分为两个集合lista 和listb。先往lista加入节点0。和0相邻的点加listb。再不断遍历lista和listb，加入新的节点。如果相邻节点在同一个list中那就返回false。代码啰嗦笨拙，参见isBipartiteV2。
学习1：用colors数组来区分两个集合。-1认为还没有加颜色；0为一组；1为另外一组。在加颜色过程中使用DFS的思路。
例如输入： [[1,3], [0,2], [1,3], [0,2]]。
染色顺序：从0到1；从1到2；从2到3；3的邻边已经染色完成，判断是不是有效就行。
学习2：思路同上。在加颜色过程中使用BFS的思路。
例如输入： [[1,3], [0,2], [1,3], [0,2]]。
染色顺序：从0到1；从0到3；1,3加入队列；一边染色，一边判断是否有效；
从1到0，从1到2；2加入队列；一边染色，一边判断是否有效；
从3到0，从3到2；一边染色，一边判断是否有效；
从2到1，从2到3；
代码
129. Sum Root to Leaf Numbers
思路：深度优先的套路。在处理每个当前节点node的时候把它当做根节点，继续dfs；找到node与其根节点关系，再定返回值。
代码
200. Number of Islands
思路：用DFS的思路很简单。找到一个岛屿的起点(i,j)，不断向4个方向扩散，把相邻的节点都改为2。这样一次完整的dfs遍历算是一个岛屿识别完成。接着再找下个岛屿的起点。
学习：UnionFind并查集思路。将二维的grid，用一维数组表示父节点信息。
代码
116. Populating Next Right Pointers in Each Node
思路：dfs的话，先遍历一个节点的右子树，在同一深度保持尽可能的右侧节点。但是当同一层的节点称为别的节点的next后，当前节点就成为该层右侧节点了。用一个map来存储。
学习：同一层次的节点向右指向next，其实用BFS的思路最好。不过看别的代码，这次BFS没有使用queue来解决，而是巧妙的使用了dummy.next和节点next，将同一层的节点连起来。是学习的地方。
代码
114. Flatten Binary Tree to Linked List
思路：dfs的思路。今天的收获是：起一个好的方法名字有利于自己思路形成。以前的代码都直接将方法命名为dfs，其实不知道在做什么。今天的方法名flattenNode，是对node这一个节点做展开。能够理清楚一个节点做展开应该做哪些事情，递归就好写了。
观察发现，例如处理node3，不需要做什么事情。处理node2，能看到node4变成了node3的右子树；node3变成了node2的右子树。得出如果有左子树，那么左子树称为node的右子树，原来node的右子树成为现在node右子树叶子节点的右子树。把node的左子树置为null。
代码
802. Find Eventual Safe States
思路：开始不能明白k的作用，不能明白例题中0,1,3节点为什么就不可以。
我理解的5,6出度为0，5,6是terminal node，肯定是safe state。节点2，节点4可以走到节点5，所以节点2，节点4也属于safe state。节点0，节点1可以走到节点2，那么节点0，节点1也应该是safe state。
节点3能够走到节点0，那节点3也是safe state。所以0,1,2,3,4，5,6应该都是safe state。
但题目中有句话是：starting node is eventually safe if and only if we must eventually walk to a terminal node.“ if and only if ”说明是可以并且只能走到safe state。
节点0可以走节点2，到达节点5,；但是同时节点0还可以走到节点1，节点3,再到节点0。没有任何证据表名节点1，或者节点3不是terminal node，所以节点0也就不是safe state。也就是不符合 if and only if。这就清楚了，一个节点如果它的出度为0或者链接的节点都是safe state的，那它才是safe state。
学习：从一个节点开始深度优先进行搜索。如果能够走到终点并且只能走到终点则认为无环，是一个safe state。我们将访问节点的不同状态称为 白-灰-黑：还没有开始访问节点是白(0)，开始访问一个节点是灰(1)，访问一个节点结束是黑(2)。
如果在访问节点A的过程中遇到了灰色的节点B，那么说明A在一个环内。A不是一个safe state。
如果在访问节点A的过程中所有的路径都能达到一个terminal node，没有进入环内，则A是一个safe state。
时间复杂度O(N+E) N是顶点数，E是边数。
代码