用数组实现优先级队列的核心是将完全二叉树按层序映射到数组，通过上浮（插入时）和下潜（删除时）维护堆序性，父子索引关系为：左孩子=2×parent+1，右孩子=2×parent+2，父节点=(child−1)/2（0起始）。
用数组实现优先级队列，核心是把堆（大根堆或小根堆）的逻辑结构映射到一维数组上，并通过“上浮”和“下潜”两个关键操作维护堆序性。变量浮动逻辑不是指随意移动，而是指在插入或删除时，元素在数组中按父子索引关系动态调整位置的过程——它由索引计算驱动，不依赖额外指针或链表。
数组如何对应完全二叉树结构
堆本质是完全二叉树，而数组天然适合层序存储：根节点放索引 0，后续节点按从上到下、从左到右顺序填入。此时父子与子节点索引满足固定关系：
- 已知父节点索引 parent → 左孩子索引 = 2 × parent + 1，右孩子索引 = 2 × parent + 2
- 已知孩子索引 child（不分左右）→ 父节点索引 = (child − 1) / 2（整除，向下取整）
这个关系是所有浮动操作的数学基础。注意：所有推导默认根在索引 0；若从索引 1 开始，公式变为 left = 2×i，right = 2×i+1，parent = i/2，但主流语言标准库（如 Java 的 PriorityQueue）和多数教材均采用 0 起始，应统一使用。
插入元素时的“上浮”逻辑
新任务加到数组末尾（即 usedSize 位置），然后不断与父节点比较优先级，若更高（大根堆）就交换，再向上继续——这就是上浮。关键在于：每次交换后，当前元素的新索引就是原父索引，下一次父索引自动更新为 (newIndex − 1) / 2。
- 初始 child = usedSize（插入后 size 已自增）
- 循环条件：child > 0 且 heap[child] > heap[(child−1)/2]（大根堆）
- 每次执行：swap(heap[child], heap[(child−1)/2])，然后令 child = (child−1)/2
例如插入值 15 到数组 [10, 8, 5, 3]（索引 0~3），新位置是索引 4 → 父为 (4−1)/2 = 1 → 比较 heap[4]=15 与 heap[1]=8 → 交换 → 新 child=1 → 父为 (1−1)/2=0 → 比较 15 与 heap[0]=10 → 再交换 → child=0 → 停止。最终数组变为 [15, 10, 5, 3, 8]。
删除堆顶时的“下潜”逻辑
优先级队列每次取最高优先级任务，即删掉索引 0 元素。实际做法是：将末尾元素移到堆顶，再从根开始下潜——与左右孩子中较大者（大根堆）比较，若比它小就交换，重复直到满足堆序。
- 设当前父索引为 parent = 0，目标长度为 len = usedSize − 1（删后大小）
- 循环中先算左孩子 left = 2×parent + 1；若 left ≥ len，说明无子节点，停止
- 否则找较大孩子：maxChild = (right heap[left]) ? right : left
- 若 heap[parent] ，则交换并令 parent = maxChild；否则终止
这个过程里，“浮动”的是那个被挪上来的末尾元素——它一路下沉，每步只换一次位置，路径长度最多为树高 O(log n)，所以高效。
建堆与排序中的批量浮动策略
初始数组无序，不能逐个插入（O(n log n)）。更优做法是从最后一个非叶子节点开始，对每个节点执行一次下潜（siftDown）——因为叶子节点无需调整，而任一非叶节点的子树已是局部有序（递归前提）。
- 最后一个非叶子节点索引 = (usedSize − 2) / 2（因最大索引为 usedSize−1，其父为 (usedSize−2)/2）
- 倒序遍历：for (int i = (usedSize−2)/2; i ≥ 0; i−−) siftDown(i, usedSize)
- 堆排序第二阶段：每次把堆顶（最大）与末尾交换，然后对剩余部分（长度减 1）从根下潜 —— 此时“浮动范围”逐步缩小，但下潜逻辑不变
这种批量下潜使建堆时间复杂度仅为 O(n)，远优于 n 次插入。
