数据结构与稀疏矩阵基础：二叉搜索树、堆与矩阵运算
1. 二叉搜索树（Binary Search Trees）
二叉搜索树（BST）是一种重要的数据结构，对于同一组元素，可以构建出不同形态的 BST。不同的 BST 在搜索元素所需的时间上存在差异，这种差异可以通过树的高度来量化。
树中节点的高度定义为该节点到根节点的唯一路径长度。例如，在某 BST 中，标签为 27 的节点高度可能为 1，而在另一个 BST 中，该节点高度可能为 4。BST 的高度则定义为其所有节点高度的最大值。
搜索操作bfs_search()的时间复杂度为 $O(h)$，其中 $h$ 是 BST 的高度。如果 BST 的高度为 $O(log N)$（$N$ 为 BST 中的元素数量），则称该 BST 是平衡的。在平衡 BST 中，访问、插入、删除和搜索操作的平均时间复杂度为 $O(log N)$。平衡 BST 非常适合存储需要频繁访问和更新的数据，并且在许多图算法中都有应用。
2. 二叉堆（Binary Heaps）
在许多应用中，需要快速找出一组元素中的最大值或最小值。例如，在 Dijkstra 算法中，每次都需要从未访问节点中选择距离源节点最近的节点。如果将未访问节点存储在数组中，每次搜索最小距离元素需要扫描整个数组，时间复杂度为 $O(N)$；若将数组按距离升序排序，每次更新距离后都需要重新排序，时间复杂度为 $O(N log N)$，这比在未排序数组上的线性搜索更糟糕。
二叉堆是解决此类问题的有效数据结构，它可以保证以 $O(1)$ 的时间复杂度访问和提取集合中的最小（或最大）元素，并以 $O(log N)
