搜尋

未掌握的：極大極小搜尋
不太熟練的：A*，迭代加深
要掌握搜尋方面剪枝的技巧，不光是判斷方面，搜尋的順序，方式對時間都有很大影響
應該分析以什麼樣的方式，順序去搜索最優，剪掉哪些無用的狀態。

DP

未完全掌握的：插頭DP
不太熟練的：計數DP，期望DP，矩陣優化DP
主要是在設計狀態這一方面，思維容易僵化，並且不太清楚什麼時候該套DP上去。
計數方面主要是把握一個主體，構造它使得滿足條件，一般方法還有補集轉化，容斥原理(怎麼DP都沒用的時候就想想容斥)。
期望方面主要是注意一個期望的線性可加，是考慮單獨算出每個的期望加起來，還是算出概率，然後用總貢獻去乘，以及普通的期望DP。
矩陣方面，不熟的主要是那種把所有狀態搜尋出來，然後用矩陣轉移的題目。若是線性遞推或有向圖之類的轉移一般都可以用矩陣優化。

數學

未掌握：類歐幾里得
不太熟練的：Min_25，關於一些積性函式的題，稀奇古怪的推式子題
多注意式子的特性，函式的特性，適當的時候可以引入一些新函式幫助推導。如果是積性函式的題目，多考慮Min_25和狄利克雷卷積，杜教篩。

圖論

未掌握：斯坦納樹，支配樹，上下界網路流，差分約束。
多多考慮一下圖的性質，如在樹上的就是直徑和重心的性質，這些在遇到題目關於最遠點，聯通塊之類的多考慮，一般跟它有關。樹上路徑點分治，dsu on tree。圖上路徑，最短路，縮環，圓方樹。

字串

SAM，PAM和一些資料結構結合在一起，和一些圖有關的東西結合在一起，學會熟練運用它們的性質。

多項式

DP轉移拆卷積，拆不成或難統計的就上生成函式。

資料結構

不熟練的：LCT
主要是弄清楚維護什麼，什麼資訊沒用，如何維護，需要其他的什麼？時間上被侷限時考慮適當的預處理。然後設定閾值（一般在資訊有特殊性質，並且其他做法達不到好的時間複雜度時運用），按大小分類的都要學會運用。

一定要多看看思維題（DP之類的），不要讓思維被侷限住了。結合自己的直覺，想法，理性分析。