優先隊列：依靠堆數據結構來實現，因爲堆又是完全二叉樹，採用數組來存儲，父子關係依靠下標來維繫。
Java中，如果調用無參構造函數，默認生成一個能夠容納11個元素的數組，如果不指定比較器，按照小根堆來排列。
擴容操作：PriorityQueue的擴容選擇和ArrayList(擴大到原來容量的1.5倍)，Vector(默認擴容到原容量的2倍，如果指定了擴容大小，就擴容指定大小)的策略都不同，PriorityQueue的擴容策略：如果當前數組容量小於64，就擴容到原來容量的2倍+2， 如果數組容量大於64， 就擴容到原來的1.5倍。
因爲涉及到比較操作，所以在構造的時候允許傳入一個比較器，如果傳入比較器，就用傳入的比較器來比較兩個元素的大小，如果沒有傳入比較器，就用數組元素自己的比較器來比較。
堆的基本調整操作：siftUp(int k, E x), siftDown(int k, E x)
向上調整函數siftUp(int k, E x): 從當前位置開始，一直和父節點比較，如果小於父節點，就將父節點移到當前位置，然後將當前位置上移到父節點位置，接着和父節點進行比較，直到大於父節點或者當前位置移動到根節點，結束。
向下調整函數siftDown(int k, E x):只有待調整節點不是葉子節點的時候，纔有調整的必要，如果是葉子節點，不需要調整。
類似於向上調整，向下調整的過程中，當前位置和孩子節點中小的一個進行比較，如果孩子節點更小，則將孩子節點上提作爲父節點，當前位置下移到孩子節點的位置，接着和孩子節點中小的一個進行比較，直到當前節點小於兩個孩子節點或者已經到達了葉子節點，結束。
調整過程中， half = size >>>1; (邏輯右移操作符：高位補0)，因爲數組下標是從0開始的，half代表的就是第一個葉子節點的下標，調整過程都是在非葉子節點上進行的，所以結束條件就是while(k < half)。
調整操作heapify():數組中元素初始狀態可能並不滿足堆的要求，就需要進行調整，調整的策略非常簡單，從最後一個非葉子節點開始調用siftDown,一直到根節點，調整操作完成。所以說調整操作還是在siftDown()基礎上。源碼：
一個需要特別注意的地方：刪除特定對象的remove()函數，因爲要維持堆的特性，在刪除元素以後，將數組的最後一個元素放到刪除位置，然後進行調整。在調整過程中就有兩種情況：1.刪除位置和最後一個元素都在根節點的同一棵子樹上，則進行向下調整即可(siftDown); 2.如果不在根節點的同一棵子樹上，則大小關係不確定，不一定是向上調整(siftUp)還是向下調整(siftDown), 先向下調整，調整完成以後如果還是原地，嘗試進行向上調整，如果需要向上調整，就會出現最後一個元素被調整到刪除位置的前面。爲了區分這兩種情況，remove()採取的策略是根據返回值來判斷，如果返回null,則說明最後一個元素經過調整以後位於刪除位置的後面，如果返回的是一個元素值，則說明最後一個元素被調整到了刪除位置的前面。
經過上面的描述，就會發現一個問題，如果執行刪除操作以後，最後一個元素被調整到了刪除位置前面，那麼迭代器的遍歷操作就有可能漏掉這個元素，Java中解決的辦法就是提供了一個額外的數據結構：雙端隊列forgetMeNot，將所有這種情況的元素都放入到forgetMeNot中，遍歷過程中，遍歷到數組末尾，還需要檢查forgetMeNot是否爲空，不爲空的話還需要對forgetMeNot進行遍歷。