不太愛解題之隨手記錄
最簡單就是排序後找 k-th O(nlogn)
另一種想法是一個團體內，找年紀最大的，隨便拉一位以它為中央伍，問他比他大的分一群，小的也一群，從大群中繼續找，直到分不出群來。
k-th 也類似，就這個大群這個大小範圍內找，如果超出大群就去小群裡找
k - 大群量，得到一個新的 k' 到小群內找- 大群 mid ≤ num
- 小群 num < mid
角落問題：如果碰巧分不出群來，就再找另一位中央伍，中央伍一定要跟別人不一樣才能分出群
直到分群剩下 1 個就是答案了。
空間可以改善的部分是 in-place ，是利用原本的 nums 置換，接著傳遞群邊界。
分三群，中央伍群，這樣好處是如果是落在中央伍群就可以離開了
- 大群: mid < num
- 中央群: mid == num
- 小群: num < mid
網路上還有其他解法，像是 Heap (Priority Queue) ，有興趣可以看看。
題目有個第一版本，只差是完全二元樹，由於較簡單，這邊就直接先列第一版的答案，BJ4:
採用 DFS(深度優先)，先做左子樹或右子樹都可以。
而第二版是不完全樹，這時就要考慮較多的事情。
root.right?.next = root.next?.left由於是不完全樹，表示有可能會跨多個空子樹指右鄰，DFS 無法得知跨子樹的資訊，那麼需要依賴 root.next 來尋找跨樹右鄰，所以 DFS 至少我們會先完成右子樹。
connect(root.right)
connect(root.left)接著要思考空子樹：
root.next == null
root.next.left == null該怎麼辦？應該繼續往 root.next.next 找，再不行就一直繼續找，而且是要找到 root.next…..left 或者 root.next…right 為止。
fun getNext(root: Node?): Node? {
if (root == null) {
return root
}
return root.left ?: root.right ?: getNext(root.next)
}這樣基本上就解決最大的難點了：
時間複雜度 O(2n)
getNext(): 每層跨度/寬度 k (k < n 節點)，最糟狀況就是每層都耗 1k ，所以嚴苛來說時間複雜度是 O(2n)
這邊附上非遞迴的版本，思考框架是二維陣列：
var i = root
while (i != null) { // 往右移動
..
i = i.next
}時間複雜度 O(n)
使用一維指標換行，這樣要自己換行:
時間複雜度 O(n)
