PriorityQueue底层是基于数组实现的二叉小顶堆，满足完全二叉树结构约束：节点i的父节点在(i−1)/2，左孩子在2i+1，右孩子在2i+2；插入时上浮调整、删除时下沉调整，核心操作时间复杂度为O(log n)。
PriorityQueue 底层是二叉小顶堆，用数组模拟完全二叉树，不是链式二叉树。它不保证整体有序，只保证堆顶最小（小顶堆）或最大（大顶堆），每次 poll() 取出的是当前最小元素，offer() 插入后自动调整结构维持堆序。这种设计让它特别适合动态维护“当前最小/最大”这一类需求，比如任务调度、Top-K、合并K个有序链表等场景。
小顶堆的结构与索引关系
数组下标从 0 开始时：
- 节点 i 的左孩子在
2*i + 1 - 右孩子在
2*i + 2 - 父节点在
(i - 1) / 2（整除）
这个映射让父子关系可直接计算，无需指针，空间紧凑。所有操作都基于这个隐式结构做上浮（插入时）或下沉（删除时）调整。
核心操作的时间复杂度
关键在于单次调整最多走树高，而完全二叉树高度为 ⌊log₂n⌋ + 1，即 O(log n)：
-
offer(E e)：元素插入末尾，然后向上调整（siftUp）。最坏从叶到根，O(log n) -
poll()：取堆顶，用末尾元素补空位，再向下调整（siftDown）。最坏从根到叶，O(log n) -
peek()：仅返回queue[0]，O(1) -
remove(Object o)：先遍历找位置（O(n)），再用末尾元素填补并双向调整（O(log n)），合计 O(n)
建堆的两种方式与时间差异
初始化含 n 个元素的 PriorityQueue 时，有两种常见路径：
- 逐个 offer：相当于 n 次插入，每次 O(log k)，k 从 1 增至 n → 总时间 O(n log n)
- 批量建堆（heapify）：从最后一个非叶子节点倒序向下调整。数学推导证明总比较次数为 O(n)，实际实现也按此优化 → O(n)
Java 的 PriorityQueue(Collection c) 构造器就用了 heapify，比循环 add 快一个数量级。
空间复杂度与稳定性说明
PriorityQueue 是基于动态数组（Object[] queue）实现的，初始容量 11，扩容策略类似 ArrayList（1.5 倍）。所以：
- 空间复杂度始终是 O(n)，无额外递归栈或指针开销
- 它不保证相等元素的相对顺序，属于不稳定排序结构 —— 这和堆本身不记录插入次序有关，调整过程可能打乱同优先级元素的位置
