编程环境:
提前适应比赛环境，避免比赛的时候出现突发情况。
题型分析：
L1：
大多题目考察逻辑思维，比较多的是排序问题（结构体+sort）
L2：
涉及到数据结构和一些经典算法，最多的是最短路径问题（dfs）（L2的题目如果你能确定属于什么题型，过程就很简单了）
L3：
在L2的基础上多了计算几何的题目（对于我这种高数渣来说，看到这样的题目基本上是不去考虑的）
比赛技巧：
1、由于PAT的题目测试数据较少，所以有些题目可以适当投机取巧。
2、尽量一次写对，不要回头找bug。
3、为了方便函数调用，可以都用全局变量，但你得记住，这是个（坏习惯）
4、不确定数据多少的情况，不一定非要用动态数组，可以直接根据题目给的数据范围定义一个较大的数组（大小应大于题目所给的范围），一般情况下不会出现内存超限（数组大小别超过10^8，二维数组不能超过array[10000][10000]）（坏习惯）
5、一般情况下答案错误很可能是漏了题目的关键信息。
6、格式错误是因为排版跟题目要求不同，可能会多空格或空行
7、段错误是由于非法访问才会导致的，所以一般情况下，出现段错误，是因为数组访问越界。
8、题目给的测试样例，一般是跟前面的测试点相对应的，最少得到这些测试点的分，其他的，适当取舍。
9、涉及到除法，需要考虑除数不能为0，一般会有一个测试点。
10、图论问题用深搜可以得到大部分的分。
11、选取适当的结构（容器）可以让思路更清晰。
12、熟悉编译器的调试功能可以更快的找出bug。
必备知识：
数据结构与算法：（结构、算法来源于生活，理解、不要记模板）
1、树：二叉树的遍历方式，平衡二叉树的建树过程，根据两种遍历来建树
2、图：深搜，广（层）搜，并查集（推荐博客）。
3、堆：堆结构，建堆过程（堆排序）。
4、链表：根据结点连接链表（一般通过结构体进行模拟）。
5、排序：熟悉快排和归并排序的排序过程
常用库、函数（不要脸的外挂）：
1、C++字符串string，简单粗暴。
2、sort函数排序，自定义结构体比较方式（可重载<，或重载()）。
3、STL标准库 list , vector，queue，stack，map，set 的各种操作。
4、类型转换：（可以通过sscanf，sprintf转换）
char->int: -'0' int->char: +'0';
string->int:int stoi(string str) int->string: string to_string(int i) 同理有stof，atoi（char*->int）
5、类型判断：（都可以自己写）
比如 isdigit（）判断为数字，反正你只要输入is，编译器后面会提示你有些什么函数，你翻译一下就知道功能了。
6、数组（容器）倒叙：
（1）倒叙函数：void reverse(typename begin,typename end);
（2）利用反向迭代器倒叙(构造 new string)，以字符串str为例：
string s=string(str.rbegin(),str.rend()) or s.assign(str.rbegin(),str.rend());
7、auto关键字——根据赋值自动推导数据类型（是不是突然知道了python不需用数据类型的秘密?=.=）
8、find函数：
string str; // string类成员函数：未找到返回string::npos
if (str.find("substr") != string::npos);
//do something
set<int> st;
if (st.find(0) != st.end()); //set、map成员函数：未找到返回尾迭代器
//do something
vector<int> vc;
if(find(vc.begin(), vc.end(), 0)!=vc.end()); //序列式容器可以通过algorithm库中find函数查找，未找到返回尾迭代器
//do something9、find_if、count、count_if，transform....（不常用、可以自己实现）
计算几何：
1、向量的各种性质：点乘，叉乘。
2、加法器原理：大数运算。
时间优化：（写好的代码有测试点运行超时，直接放弃，不要继续浪费时间）
1、如果出现运行超时第一时间思考是否是因为非法输入导致死循环。
2、尽量使用scanf，printf，而不使用cin，cout（C++的IO存在缓存（可取消））；
3、不要重复创建临时变量（创建一次，后面赋值）；
4、使用引用访问容器中的元素（遍历，排序）；
5、使用unordered_map,unordered_set替换map，set可以提升效率；
6、一般图论问题都可以用深搜，但效率较低，容易超时，单源最短路径——Dijkstra，连通度、集合图——并查集；
7、图论问题，当数据量十分庞大（一般超过10^3个结点），使用map做邻接表效率很低，所以邻接表能用数组尽量用数组；
8、排序尽量使用sort对数组排序，而不要依赖与map和set的自动排序（map，set结构庞大）；
9、一般递归算法都比较慢，深搜可以通过剪枝优化，并查集可以进行路径压缩提升效率。