-rw-r--r-- 36580 djbsort-20190516/int32/avx2/sort.c
#include "int32_sort.h"
#define int32 int32_t
#include <immintrin.h>
#include "int32_minmax_x86.c"
typedef __m256i int32x8;
#define int32x8_load(z) _mm256_loadu_si256((__m256i *) (z))
#define int32x8_store(z,i) _mm256_storeu_si256((__m256i *) (z),(i))
#define int32x8_min _mm256_min_epi32
#define int32x8_max _mm256_max_epi32
#define int32x8_MINMAX(a,b) \
do { \
int32x8 c = int32x8_min(a,b); \
b = int32x8_max(a,b); \
a = c; \
} while(0)
__attribute__((noinline))
static void minmax_vector(int32 *x,int32 *y,long long n)
{
if (n < 8) {
while (n > 0) {
int32_MINMAX(*x,*y);
++x;
++y;
--n;
}
return;
}
if (n & 7) {
int32x8 x0 = int32x8_load(x + n - 8);
int32x8 y0 = int32x8_load(y + n - 8);
int32x8_MINMAX(x0,y0);
int32x8_store(x + n - 8,x0);
int32x8_store(y + n - 8,y0);
n &= ~7;
}
do {
int32x8 x0 = int32x8_load(x);
int32x8 y0 = int32x8_load(y);
int32x8_MINMAX(x0,y0);
int32x8_store(x,x0);
int32x8_store(y,y0);
x += 8;
y += 8;
n -= 8;
} while(n);
}
/* stages 8,4,2,1 of size-16 bitonic merging */
__attribute__((noinline))
static void merge16_finish(int32 *x,int32x8 x0,int32x8 x1,int flagdown)
{
int32x8 b0,b1,c0,c1,mask;
int32x8_MINMAX(x0,x1);
b0 = _mm256_permute2x128_si256(x0,x1,0x20); /* A0123B0123 */
b1 = _mm256_permute2x128_si256(x0,x1,0x31); /* A4567B4567 */
int32x8_MINMAX(b0,b1);
c0 = _mm256_unpacklo_epi64(b0,b1); /* A0145B0145 */
c1 = _mm256_unpackhi_epi64(b0,b1); /* A2367B2367 */
int32x8_MINMAX(c0,c1);
b0 = _mm256_unpacklo_epi32(c0,c1); /* A0213B0213 */
b1 = _mm256_unpackhi_epi32(c0,c1); /* A4657B4657 */
c0 = _mm256_unpacklo_epi64(b0,b1); /* A0246B0246 */
c1 = _mm256_unpackhi_epi64(b0,b1); /* A1357B1357 */
int32x8_MINMAX(c0,c1);
b0 = _mm256_unpacklo_epi32(c0,c1); /* A0123B0123 */
b1 = _mm256_unpackhi_epi32(c0,c1); /* A4567B4567 */
x0 = _mm256_permute2x128_si256(b0,b1,0x20); /* A01234567 */
x1 = _mm256_permute2x128_si256(b0,b1,0x31); /* A01234567 */
if (flagdown) {
mask = _mm256_set1_epi32(-1);
x0 ^= mask;
x1 ^= mask;
}
int32x8_store(&x[0],x0);
int32x8_store(&x[8],x1);
}
/* stages 64,32 of bitonic merging; n is multiple of 128 */
__attribute__((noinline))
static void int32_twostages_32(int32 *x,long long n)
{
long long i;
while (n > 0) {
for (i = 0;i < 32;i += 8) {
int32x8 x0 = int32x8_load(&x[i]);
int32x8 x1 = int32x8_load(&x[i+32]);
int32x8 x2 = int32x8_load(&x[i+64]);
int32x8 x3 = int32x8_load(&x[i+96]);
int32x8_MINMAX(x0,x2);
int32x8_MINMAX(x1,x3);
int32x8_MINMAX(x0,x1);
int32x8_MINMAX(x2,x3);
int32x8_store(&x[i],x0);
int32x8_store(&x[i+32],x1);
int32x8_store(&x[i+64],x2);
int32x8_store(&x[i+96],x3);
}
x += 128;
n -= 128;
}
}
/* stages 4q,2q,q of bitonic merging */
__attribute__((noinline))
static long long int32_threestages(int32 *x,long long n,long long q)
{
long long k,i;
for (k = 0;k + 8*q <= n;k += 8*q)
for (i = k;i < k + q;i += 8) {
int32x8 x0 = int32x8_load(&x[i]);
int32x8 x1 = int32x8_load(&x[i+q]);
int32x8 x2 = int32x8_load(&x[i+2*q]);
int32x8 x3 = int32x8_load(&x[i+3*q]);
int32x8 x4 = int32x8_load(&x[i+4*q]);
int32x8 x5 = int32x8_load(&x[i+5*q]);
int32x8 x6 = int32x8_load(&x[i+6*q]);
int32x8 x7 = int32x8_load(&x[i+7*q]);
int32x8_MINMAX(x0,x4);
int32x8_MINMAX(x1,x5);
int32x8_MINMAX(x2,x6);
int32x8_MINMAX(x3,x7);
int32x8_MINMAX(x0,x2);
int32x8_MINMAX(x1,x3);
int32x8_MINMAX(x4,x6);
int32x8_MINMAX(x5,x7);
int32x8_MINMAX(x0,x1);
int32x8_MINMAX(x2,x3);
int32x8_MINMAX(x4,x5);
int32x8_MINMAX(x6,x7);
int32x8_store(&x[i],x0);
int32x8_store(&x[i+q],x1);
int32x8_store(&x[i+2*q],x2);
int32x8_store(&x[i+3*q],x3);
int32x8_store(&x[i+4*q],x4);
int32x8_store(&x[i+5*q],x5);
int32x8_store(&x[i+6*q],x6);
int32x8_store(&x[i+7*q],x7);
}
return k;
}
/* n is a power of 2; n >= 8; if n == 8 then flagdown */
__attribute__((noinline))
static void int32_sort_2power(int32 *x,long long n,int flagdown)
{ long long p,q,i,j,k;
int32x8 mask;
if (n == 8) {
int32 x0 = x[0];
int32 x1 = x[1];
int32 x2 = x[2];
int32 x3 = x[3];
int32 x4 = x[4];
int32 x5 = x[5];
int32 x6 = x[6];
int32 x7 = x[7];
/* odd-even sort instead of bitonic sort */
int32_MINMAX(x1,x0);
int32_MINMAX(x3,x2);
int32_MINMAX(x2,x0);
int32_MINMAX(x3,x1);
int32_MINMAX(x2,x1);
int32_MINMAX(x5,x4);
int32_MINMAX(x7,x6);
int32_MINMAX(x6,x4);
int32_MINMAX(x7,x5);
int32_MINMAX(x6,x5);
int32_MINMAX(x4,x0);
int32_MINMAX(x6,x2);
int32_MINMAX(x4,x2);
int32_MINMAX(x5,x1);
int32_MINMAX(x7,x3);
int32_MINMAX(x5,x3);
int32_MINMAX(x2,x1);
int32_MINMAX(x4,x3);
int32_MINMAX(x6,x5);
x[0] = x0;
x[1] = x1;
x[2] = x2;
x[3] = x3;
x[4] = x4;
x[5] = x5;
x[6] = x6;
x[7] = x7;
return;
}
if (n == 16) {
int32x8 x0,x1,b0,b1,c0,c1;
x0 = int32x8_load(&x[0]);
x1 = int32x8_load(&x[8]);
mask = _mm256_set_epi32(0,0,-1,-1,0,0,-1,-1);
x0 ^= mask; /* A01234567 */
x1 ^= mask; /* B01234567 */
b0 = _mm256_unpacklo_epi32(x0,x1); /* AB0AB1AB4AB5 */
b1 = _mm256_unpackhi_epi32(x0,x1); /* AB2AB3AB6AB7 */
c0 = _mm256_unpacklo_epi64(b0,b1); /* AB0AB2AB4AB6 */
c1 = _mm256_unpackhi_epi64(b0,b1); /* AB1AB3AB5AB7 */
int32x8_MINMAX(c0,c1);
mask = _mm256_set_epi32(0,0,-1,-1,-1,-1,0,0);
c0 ^= mask;
c1 ^= mask;
b0 = _mm256_unpacklo_epi32(c0,c1); /* A01B01A45B45 */
b1 = _mm256_unpackhi_epi32(c0,c1); /* A23B23A67B67 */
int32x8_MINMAX(b0,b1);
x0 = _mm256_unpacklo_epi64(b0,b1); /* A01234567 */
x1 = _mm256_unpackhi_epi64(b0,b1); /* B01234567 */
b0 = _mm256_unpacklo_epi32(x0,x1); /* AB0AB1AB4AB5 */
b1 = _mm256_unpackhi_epi32(x0,x1); /* AB2AB3AB6AB7 */
c0 = _mm256_unpacklo_epi64(b0,b1); /* AB0AB2AB4AB6 */
c1 = _mm256_unpackhi_epi64(b0,b1); /* AB1AB3AB5AB7 */
int32x8_MINMAX(c0,c1);
b0 = _mm256_unpacklo_epi32(c0,c1); /* A01B01A45B45 */
b1 = _mm256_unpackhi_epi32(c0,c1); /* A23B23A67B67 */
b0 ^= mask;
b1 ^= mask;
c0 = _mm256_permute2x128_si256(b0,b1,0x20); /* A01B01A23B23 */
c1 = _mm256_permute2x128_si256(b0,b1,0x31); /* A45B45A67B67 */
int32x8_MINMAX(c0,c1);
b0 = _mm256_permute2x128_si256(c0,c1,0x20); /* A01B01A45B45 */
b1 = _mm256_permute2x128_si256(c0,c1,0x31); /* A23B23A67B67 */
int32x8_MINMAX(b0,b1);
x0 = _mm256_unpacklo_epi64(b0,b1); /* A01234567 */
x1 = _mm256_unpackhi_epi64(b0,b1); /* B01234567 */
b0 = _mm256_unpacklo_epi32(x0,x1); /* AB0AB1AB4AB5 */
b1 = _mm256_unpackhi_epi32(x0,x1); /* AB2AB3AB6AB7 */
c0 = _mm256_unpacklo_epi64(b0,b1); /* AB0AB2AB4AB6 */
c1 = _mm256_unpackhi_epi64(b0,b1); /* AB1AB3AB5AB7 */
int32x8_MINMAX(c0,c1);
b0 = _mm256_unpacklo_epi32(c0,c1); /* A01B01A45B45 */
b1 = _mm256_unpackhi_epi32(c0,c1); /* A23B23A67B67 */
x0 = _mm256_unpacklo_epi64(b0,b1); /* A01234567 */
x1 = _mm256_unpackhi_epi64(b0,b1); /* B01234567 */
mask = _mm256_set1_epi32(-1);
if (flagdown) x1 ^= mask;
else x0 ^= mask;
merge16_finish(x,x0,x1,flagdown);
return;
}
if (n == 32) {
int32x8 x0,x1,x2,x3;
int32_sort_2power(x,16,1);
int32_sort_2power(x + 16,16,0);
x0 = int32x8_load(&x[0]);
x1 = int32x8_load(&x[8]);
x2 = int32x8_load(&x[16]);
x3 = int32x8_load(&x[24]);
if (flagdown) {
mask = _mm256_set1_epi32(-1);
x0 ^= mask;
x1 ^= mask;
x2 ^= mask;
x3 ^= mask;
}
int32x8_MINMAX(x0,x2);
int32x8_MINMAX(x1,x3);
merge16_finish(x,x0,x1,flagdown);
merge16_finish(x + 16,x2,x3,flagdown);
return;
}
p = n>>3;
for (i = 0;i < p;i += 8) {
int32x8 x0 = int32x8_load(&x[i]);
int32x8 x2 = int32x8_load(&x[i+2*p]);
int32x8 x4 = int32x8_load(&x[i+4*p]);
int32x8 x6 = int32x8_load(&x[i+6*p]);
/* odd-even stage instead of bitonic stage */
int32x8_MINMAX(x4,x0);
int32x8_MINMAX(x6,x2);
int32x8_MINMAX(x2,x0);
int32x8_MINMAX(x6,x4);
int32x8_MINMAX(x2,x4);
int32x8_store(&x[i],x0);
int32x8_store(&x[i+2*p],x2);
int32x8_store(&x[i+4*p],x4);
int32x8_store(&x[i+6*p],x6);
int32x8 x1 = int32x8_load(&x[i+p]);
int32x8 x3 = int32x8_load(&x[i+3*p]);
int32x8 x5 = int32x8_load(&x[i+5*p]);
int32x8 x7 = int32x8_load(&x[i+7*p]);
int32x8_MINMAX(x1,x5);
int32x8_MINMAX(x3,x7);
int32x8_MINMAX(x1,x3);
int32x8_MINMAX(x5,x7);
int32x8_MINMAX(x5,x3);
int32x8_store(&x[i+p],x1);
int32x8_store(&x[i+3*p],x3);
int32x8_store(&x[i+5*p],x5);
int32x8_store(&x[i+7*p],x7);
}
if (n >= 128) {
int flip, flipflip;
mask = _mm256_set1_epi32(-1);
for (j = 0;j < n;j += 32) {
int32x8 x0 = int32x8_load(&x[j]);
int32x8 x1 = int32x8_load(&x[j+16]);
x0 ^= mask;
x1 ^= mask;
int32x8_store(&x[j],x0);
int32x8_store(&x[j+16],x1);
}
p = 8;
for (;;) { /* for p in [8, 16, ..., n/16] */
q = p>>1;
while (q >= 128) {
int32_threestages(x,n,q >> 2);
q >>= 3;
}
if (q == 64) {
int32_twostages_32(x,n);
q = 16;
}
if (q == 32) {
q = 8;
for (k = 0;k < n;k += 8*q)
for (i = k;i < k + q;i += 8) {
int32x8 x0 = int32x8_load(&x[i]);
int32x8 x1 = int32x8_load(&x[i+q]);
int32x8 x2 = int32x8_load(&x[i+2*q]);
int32x8 x3 = int32x8_load(&x[i+3*q]);
int32x8 x4 = int32x8_load(&x[i+4*q]);
int32x8 x5 = int32x8_load(&x[i+5*q]);
int32x8 x6 = int32x8_load(&x[i+6*q]);
int32x8 x7 = int32x8_load(&x[i+7*q]);
int32x8_MINMAX(x0,x4);
int32x8_MINMAX(x1,x5);
int32x8_MINMAX(x2,x6);
int32x8_MINMAX(x3,x7);
int32x8_MINMAX(x0,x2);
int32x8_MINMAX(x1,x3);
int32x8_MINMAX(x4,x6);
int32x8_MINMAX(x5,x7);
int32x8_MINMAX(x0,x1);
int32x8_MINMAX(x2,x3);
int32x8_MINMAX(x4,x5);
int32x8_MINMAX(x6,x7);
int32x8_store(&x[i],x0);
int32x8_store(&x[i+q],x1);
int32x8_store(&x[i+2*q],x2);
int32x8_store(&x[i+3*q],x3);
int32x8_store(&x[i+4*q],x4);
int32x8_store(&x[i+5*q],x5);
int32x8_store(&x[i+6*q],x6);
int32x8_store(&x[i+7*q],x7);
}
q = 4;
}
if (q == 16) {
q = 8;
for (k = 0;k < n;k += 4*q)
for (i = k;i < k + q;i += 8) {
int32x8 x0 = int32x8_load(&x[i]);
int32x8 x1 = int32x8_load(&x[i+q]);
int32x8 x2 = int32x8_load(&x[i+2*q]);
int32x8 x3 = int32x8_load(&x[i+3*q]);
int32x8_MINMAX(x0,x2);
int32x8_MINMAX(x1,x3);
int32x8_MINMAX(x0,x1);
int32x8_MINMAX(x2,x3);
int32x8_store(&x[i],x0);
int32x8_store(&x[i+q],x1);
int32x8_store(&x[i+2*q],x2);
int32x8_store(&x[i+3*q],x3);
}
q = 4;
}
if (q == 8)
for (k = 0;k < n;k += q + q) {
int32x8 x0 = int32x8_load(&x[k]);
int32x8 x1 = int32x8_load(&x[k+q]);
int32x8_MINMAX(x0,x1);
int32x8_store(&x[k],x0);
int32x8_store(&x[k+q],x1);
}
q = n>>3;
flip = (p<<1 == q);
flipflip = !flip;
for (j = 0;j < q;j += p + p) {
for (k = j;k < j + p + p;k += p) {
for (i = k;i < k + p;i += 8) {
int32x8 x0 = int32x8_load(&x[i]);
int32x8 x1 = int32x8_load(&x[i+q]);
int32x8 x2 = int32x8_load(&x[i+2*q]);
int32x8 x3 = int32x8_load(&x[i+3*q]);
int32x8 x4 = int32x8_load(&x[i+4*q]);
int32x8 x5 = int32x8_load(&x[i+5*q]);
int32x8 x6 = int32x8_load(&x[i+6*q]);
int32x8 x7 = int32x8_load(&x[i+7*q]);
int32x8_MINMAX(x0,x1);
int32x8_MINMAX(x2,x3);
int32x8_MINMAX(x4,x5);
int32x8_MINMAX(x6,x7);
int32x8_MINMAX(x0,x2);
int32x8_MINMAX(x1,x3);
int32x8_MINMAX(x4,x6);
int32x8_MINMAX(x5,x7);
int32x8_MINMAX(x0,x4);
int32x8_MINMAX(x1,x5);
int32x8_MINMAX(x2,x6);
int32x8_MINMAX(x3,x7);
if (flip) {
x0 ^= mask;
x1 ^= mask;
x2 ^= mask;
x3 ^= mask;
x4 ^= mask;
x5 ^= mask;
x6 ^= mask;
x7 ^= mask;
}
int32x8_store(&x[i],x0);
int32x8_store(&x[i+q],x1);
int32x8_store(&x[i+2*q],x2);
int32x8_store(&x[i+3*q],x3);
int32x8_store(&x[i+4*q],x4);
int32x8_store(&x[i+5*q],x5);
int32x8_store(&x[i+6*q],x6);
int32x8_store(&x[i+7*q],x7);
}
flip ^= 1;
}
flip ^= flipflip;
}
if (p<<4 == n) break;
p <<= 1;
}
}
for (p = 4;p >= 1;p >>= 1) {
int32 *z = x;
int32 *target = x + n;
if (p == 4) {
mask = _mm256_set_epi32(0,0,0,0,-1,-1,-1,-1);
while (z != target) {
int32x8 x0 = int32x8_load(&z[0]);
int32x8 x1 = int32x8_load(&z[8]);
x0 ^= mask;
x1 ^= mask;
int32x8_store(&z[0],x0);
int32x8_store(&z[8],x1);
z += 16;
}
} else if (p == 2) {
mask = _mm256_set_epi32(0,0,-1,-1,-1,-1,0,0);
while (z != target) {
int32x8 x0 = int32x8_load(&z[0]);
int32x8 x1 = int32x8_load(&z[8]);
x0 ^= mask;
x1 ^= mask;
int32x8 b0 = _mm256_permute2x128_si256(x0,x1,0x20);
int32x8 b1 = _mm256_permute2x128_si256(x0,x1,0x31);
int32x8_MINMAX(b0,b1);
int32x8 c0 = _mm256_permute2x128_si256(b0,b1,0x20);
int32x8 c1 = _mm256_permute2x128_si256(b0,b1,0x31);
int32x8_store(&z[0],c0);
int32x8_store(&z[8],c1);
z += 16;
}
} else { /* p == 1 */
mask = _mm256_set_epi32(0,-1,-1,0,0,-1,-1,0);
while (z != target) {
int32x8 x0 = int32x8_load(&z[0]);
int32x8 x1 = int32x8_load(&z[8]);
x0 ^= mask;
x1 ^= mask;
int32x8 b0 = _mm256_permute2x128_si256(x0,x1,0x20); /* A0123B0123 */
int32x8 b1 = _mm256_permute2x128_si256(x0,x1,0x31); /* A4567B4567 */
int32x8 c0 = _mm256_unpacklo_epi64(b0,b1); /* A0145B0145 */
int32x8 c1 = _mm256_unpackhi_epi64(b0,b1); /* A2367B2367 */
int32x8_MINMAX(c0,c1);
int32x8 d0 = _mm256_unpacklo_epi64(c0,c1); /* A0123B0123 */
int32x8 d1 = _mm256_unpackhi_epi64(c0,c1); /* A4567B4567 */
int32x8_MINMAX(d0,d1);
int32x8 e0 = _mm256_permute2x128_si256(d0,d1,0x20);
int32x8 e1 = _mm256_permute2x128_si256(d0,d1,0x31);
int32x8_store(&z[0],e0);
int32x8_store(&z[8],e1);
z += 16;
}
}
q = n>>4;
while (q >= 128 || q == 32) {
int32_threestages(x,n,q>>2);
q >>= 3;
}
while (q >= 16) {
q >>= 1;
for (j = 0;j < n;j += 4*q)
for (k = j;k < j + q;k += 8) {
int32x8 x0 = int32x8_load(&x[k]);
int32x8 x1 = int32x8_load(&x[k+q]);
int32x8 x2 = int32x8_load(&x[k+2*q]);
int32x8 x3 = int32x8_load(&x[k+3*q]);
int32x8_MINMAX(x0,x2);
int32x8_MINMAX(x1,x3);
int32x8_MINMAX(x0,x1);
int32x8_MINMAX(x2,x3);
int32x8_store(&x[k],x0);
int32x8_store(&x[k+q],x1);
int32x8_store(&x[k+2*q],x2);
int32x8_store(&x[k+3*q],x3);
}
q >>= 1;
}
if (q == 8) {
for (j = 0;j < n;j += 2*q) {
int32x8 x0 = int32x8_load(&x[j]);
int32x8 x1 = int32x8_load(&x[j+q]);
int32x8_MINMAX(x0,x1);
int32x8_store(&x[j],x0);
int32x8_store(&x[j+q],x1);
}
}
q = n>>3;
for (k = 0;k < q;k += 8) {
int32x8 x0 = int32x8_load(&x[k]);
int32x8 x1 = int32x8_load(&x[k+q]);
int32x8 x2 = int32x8_load(&x[k+2*q]);
int32x8 x3 = int32x8_load(&x[k+3*q]);
int32x8 x4 = int32x8_load(&x[k+4*q]);
int32x8 x5 = int32x8_load(&x[k+5*q]);
int32x8 x6 = int32x8_load(&x[k+6*q]);
int32x8 x7 = int32x8_load(&x[k+7*q]);
int32x8_MINMAX(x0,x1);
int32x8_MINMAX(x2,x3);
int32x8_MINMAX(x4,x5);
int32x8_MINMAX(x6,x7);
int32x8_MINMAX(x0,x2);
int32x8_MINMAX(x1,x3);
int32x8_MINMAX(x4,x6);
int32x8_MINMAX(x5,x7);
int32x8_MINMAX(x0,x4);
int32x8_MINMAX(x1,x5);
int32x8_MINMAX(x2,x6);
int32x8_MINMAX(x3,x7);
int32x8_store(&x[k],x0);
int32x8_store(&x[k+q],x1);
int32x8_store(&x[k+2*q],x2);
int32x8_store(&x[k+3*q],x3);
int32x8_store(&x[k+4*q],x4);
int32x8_store(&x[k+5*q],x5);
int32x8_store(&x[k+6*q],x6);
int32x8_store(&x[k+7*q],x7);
}
}
/* everything is still masked with _mm256_set_epi32(0,-1,0,-1,0,-1,0,-1); */
mask = _mm256_set1_epi32(-1);
for (i = 0;i < n;i += 64) {
int32x8 a0 = int32x8_load(&x[i]);
int32x8 a1 = int32x8_load(&x[i+8]);
int32x8 a2 = int32x8_load(&x[i+16]);
int32x8 a3 = int32x8_load(&x[i+24]);
int32x8 a4 = int32x8_load(&x[i+32]);
int32x8 a5 = int32x8_load(&x[i+40]);
int32x8 a6 = int32x8_load(&x[i+48]);
int32x8 a7 = int32x8_load(&x[i+56]);
int32x8 b0 = _mm256_unpacklo_epi32(a0,a1); /* AB0AB1AB4AB5 */
int32x8 b1 = _mm256_unpackhi_epi32(a0,a1); /* AB2AB3AB6AB7 */
int32x8 b2 = _mm256_unpacklo_epi32(a2,a3); /* CD0CD1CD4CD5 */
int32x8 b3 = _mm256_unpackhi_epi32(a2,a3); /* CD2CD3CD6CD7 */
int32x8 b4 = _mm256_unpacklo_epi32(a4,a5); /* EF0EF1EF4EF5 */
int32x8 b5 = _mm256_unpackhi_epi32(a4,a5); /* EF2EF3EF6EF7 */
int32x8 b6 = _mm256_unpacklo_epi32(a6,a7); /* GH0GH1GH4GH5 */
int32x8 b7 = _mm256_unpackhi_epi32(a6,a7); /* GH2GH3GH6GH7 */
int32x8 c0 = _mm256_unpacklo_epi64(b0,b2); /* ABCD0ABCD4 */
int32x8 c1 = _mm256_unpacklo_epi64(b1,b3); /* ABCD2ABCD6 */
int32x8 c2 = _mm256_unpackhi_epi64(b0,b2); /* ABCD1ABCD5 */
int32x8 c3 = _mm256_unpackhi_epi64(b1,b3); /* ABCD3ABCD7 */
int32x8 c4 = _mm256_unpacklo_epi64(b4,b6); /* EFGH0EFGH4 */
int32x8 c5 = _mm256_unpacklo_epi64(b5,b7); /* EFGH2EFGH6 */
int32x8 c6 = _mm256_unpackhi_epi64(b4,b6); /* EFGH1EFGH5 */
int32x8 c7 = _mm256_unpackhi_epi64(b5,b7); /* EFGH3EFGH7 */
if (flagdown) {
c2 ^= mask;
c3 ^= mask;
c6 ^= mask;
c7 ^= mask;
} else {
c0 ^= mask;
c1 ^= mask;
c4 ^= mask;
c5 ^= mask;
}
int32x8 d0 = _mm256_permute2x128_si256(c0,c4,0x20); /* ABCDEFGH0 */
int32x8 d1 = _mm256_permute2x128_si256(c2,c6,0x20); /* ABCDEFGH1 */
int32x8 d2 = _mm256_permute2x128_si256(c1,c5,0x20); /* ABCDEFGH2 */
int32x8 d3 = _mm256_permute2x128_si256(c3,c7,0x20); /* ABCDEFGH5 */
int32x8 d4 = _mm256_permute2x128_si256(c0,c4,0x31); /* ABCDEFGH4 */
int32x8 d5 = _mm256_permute2x128_si256(c2,c6,0x31); /* ABCDEFGH3 */
int32x8 d6 = _mm256_permute2x128_si256(c1,c5,0x31); /* ABCDEFGH6 */
int32x8 d7 = _mm256_permute2x128_si256(c3,c7,0x31); /* ABCDEFGH7 */
int32x8_MINMAX(d0,d1);
int32x8_MINMAX(d2,d3);
int32x8_MINMAX(d4,d5);
int32x8_MINMAX(d6,d7);
int32x8_MINMAX(d0,d2);
int32x8_MINMAX(d1,d3);
int32x8_MINMAX(d4,d6);
int32x8_MINMAX(d5,d7);
int32x8_MINMAX(d0,d4);
int32x8_MINMAX(d1,d5);
int32x8_MINMAX(d2,d6);
int32x8_MINMAX(d3,d7);
int32x8 e0 = _mm256_unpacklo_epi32(d0,d1);
int32x8 e1 = _mm256_unpackhi_epi32(d0,d1);
int32x8 e2 = _mm256_unpacklo_epi32(d2,d3);
int32x8 e3 = _mm256_unpackhi_epi32(d2,d3);
int32x8 e4 = _mm256_unpacklo_epi32(d4,d5);
int32x8 e5 = _mm256_unpackhi_epi32(d4,d5);
int32x8 e6 = _mm256_unpacklo_epi32(d6,d7);
int32x8 e7 = _mm256_unpackhi_epi32(d6,d7);
int32x8 f0 = _mm256_unpacklo_epi64(e0,e2);
int32x8 f1 = _mm256_unpacklo_epi64(e1,e3);
int32x8 f2 = _mm256_unpackhi_epi64(e0,e2);
int32x8 f3 = _mm256_unpackhi_epi64(e1,e3);
int32x8 f4 = _mm256_unpacklo_epi64(e4,e6);
int32x8 f5 = _mm256_unpacklo_epi64(e5,e7);
int32x8 f6 = _mm256_unpackhi_epi64(e4,e6);
int32x8 f7 = _mm256_unpackhi_epi64(e5,e7);
int32x8 g0 = _mm256_permute2x128_si256(f0,f4,0x20);
int32x8 g1 = _mm256_permute2x128_si256(f2,f6,0x20);
int32x8 g2 = _mm256_permute2x128_si256(f1,f5,0x20);
int32x8 g3 = _mm256_permute2x128_si256(f3,f7,0x20);
int32x8 g4 = _mm256_permute2x128_si256(f0,f4,0x31);
int32x8 g5 = _mm256_permute2x128_si256(f2,f6,0x31);
int32x8 g6 = _mm256_permute2x128_si256(f1,f5,0x31);
int32x8 g7 = _mm256_permute2x128_si256(f3,f7,0x31);
int32x8_store(&x[i],g0);
int32x8_store(&x[i+8],g1);
int32x8_store(&x[i+16],g2);
int32x8_store(&x[i+24],g3);
int32x8_store(&x[i+32],g4);
int32x8_store(&x[i+40],g5);
int32x8_store(&x[i+48],g6);
int32x8_store(&x[i+56],g7);
}
q = n>>4;
while (q >= 128 || q == 32) {
q >>= 2;
for (j = 0;j < n;j += 8*q)
for (i = j;i < j + q;i += 8) {
int32x8 x0 = int32x8_load(&x[i]);
int32x8 x1 = int32x8_load(&x[i+q]);
int32x8 x2 = int32x8_load(&x[i+2*q]);
int32x8 x3 = int32x8_load(&x[i+3*q]);
int32x8 x4 = int32x8_load(&x[i+4*q]);
int32x8 x5 = int32x8_load(&x[i+5*q]);
int32x8 x6 = int32x8_load(&x[i+6*q]);
int32x8 x7 = int32x8_load(&x[i+7*q]);
int32x8_MINMAX(x0,x4);
int32x8_MINMAX(x1,x5);
int32x8_MINMAX(x2,x6);
int32x8_MINMAX(x3,x7);
int32x8_MINMAX(x0,x2);
int32x8_MINMAX(x1,x3);
int32x8_MINMAX(x4,x6);
int32x8_MINMAX(x5,x7);
int32x8_MINMAX(x0,x1);
int32x8_MINMAX(x2,x3);
int32x8_MINMAX(x4,x5);
int32x8_MINMAX(x6,x7);
int32x8_store(&x[i],x0);
int32x8_store(&x[i+q],x1);
int32x8_store(&x[i+2*q],x2);
int32x8_store(&x[i+3*q],x3);
int32x8_store(&x[i+4*q],x4);
int32x8_store(&x[i+5*q],x5);
int32x8_store(&x[i+6*q],x6);
int32x8_store(&x[i+7*q],x7);
}
q >>= 1;
}
while (q >= 16) {
q >>= 1;
for (j = 0;j < n;j += 4*q)
for (i = j;i < j + q;i += 8) {
int32x8 x0 = int32x8_load(&x[i]);
int32x8 x1 = int32x8_load(&x[i+q]);
int32x8 x2 = int32x8_load(&x[i+2*q]);
int32x8 x3 = int32x8_load(&x[i+3*q]);
int32x8_MINMAX(x0,x2);
int32x8_MINMAX(x1,x3);
int32x8_MINMAX(x0,x1);
int32x8_MINMAX(x2,x3);
int32x8_store(&x[i],x0);
int32x8_store(&x[i+q],x1);
int32x8_store(&x[i+2*q],x2);
int32x8_store(&x[i+3*q],x3);
}
q >>= 1;
}
if (q == 8)
for (j = 0;j < n;j += q + q) {
int32x8 x0 = int32x8_load(&x[j]);
int32x8 x1 = int32x8_load(&x[j+q]);
int32x8_MINMAX(x0,x1);
int32x8_store(&x[j],x0);
int32x8_store(&x[j+q],x1);
}
q = n>>3;
for (i = 0;i < q;i += 8) {
int32x8 x0 = int32x8_load(&x[i]);
int32x8 x1 = int32x8_load(&x[i+q]);
int32x8 x2 = int32x8_load(&x[i+2*q]);
int32x8 x3 = int32x8_load(&x[i+3*q]);
int32x8 x4 = int32x8_load(&x[i+4*q]);
int32x8 x5 = int32x8_load(&x[i+5*q]);
int32x8 x6 = int32x8_load(&x[i+6*q]);
int32x8 x7 = int32x8_load(&x[i+7*q]);
int32x8_MINMAX(x0,x1);
int32x8_MINMAX(x2,x3);
int32x8_MINMAX(x4,x5);
int32x8_MINMAX(x6,x7);
int32x8_MINMAX(x0,x2);
int32x8_MINMAX(x1,x3);
int32x8_MINMAX(x4,x6);
int32x8_MINMAX(x5,x7);
int32x8_MINMAX(x0,x4);
int32x8_MINMAX(x1,x5);
int32x8_MINMAX(x2,x6);
int32x8_MINMAX(x3,x7);
int32x8 b0 = _mm256_unpacklo_epi32(x0,x4); /* AE0AE1AE4AE5 */
int32x8 b1 = _mm256_unpackhi_epi32(x0,x4); /* AE2AE3AE6AE7 */
int32x8 b2 = _mm256_unpacklo_epi32(x1,x5); /* BF0BF1BF4BF5 */
int32x8 b3 = _mm256_unpackhi_epi32(x1,x5); /* BF2BF3BF6BF7 */
int32x8 b4 = _mm256_unpacklo_epi32(x2,x6); /* CG0CG1CG4CG5 */
int32x8 b5 = _mm256_unpackhi_epi32(x2,x6); /* CG2CG3CG6CG7 */
int32x8 b6 = _mm256_unpacklo_epi32(x3,x7); /* DH0DH1DH4DH5 */
int32x8 b7 = _mm256_unpackhi_epi32(x3,x7); /* DH2DH3DH6DH7 */
int32x8 c0 = _mm256_unpacklo_epi64(b0,b4); /* AECG0AECG4 */
int32x8 c1 = _mm256_unpacklo_epi64(b1,b5); /* AECG2AECG6 */
int32x8 c2 = _mm256_unpackhi_epi64(b0,b4); /* AECG1AECG5 */
int32x8 c3 = _mm256_unpackhi_epi64(b1,b5); /* AECG3AECG7 */
int32x8 c4 = _mm256_unpacklo_epi64(b2,b6); /* BFDH0BFDH4 */
int32x8 c5 = _mm256_unpacklo_epi64(b3,b7); /* BFDH2BFDH6 */
int32x8 c6 = _mm256_unpackhi_epi64(b2,b6); /* BFDH1BFDH5 */
int32x8 c7 = _mm256_unpackhi_epi64(b3,b7); /* BFDH3BFDH7 */
int32x8 d0 = _mm256_permute2x128_si256(c0,c4,0x20); /* AECGBFDH0 */
int32x8 d1 = _mm256_permute2x128_si256(c1,c5,0x20); /* AECGBFDH2 */
int32x8 d2 = _mm256_permute2x128_si256(c2,c6,0x20); /* AECGBFDH1 */
int32x8 d3 = _mm256_permute2x128_si256(c3,c7,0x20); /* AECGBFDH3 */
int32x8 d4 = _mm256_permute2x128_si256(c0,c4,0x31); /* AECGBFDH4 */
int32x8 d5 = _mm256_permute2x128_si256(c1,c5,0x31); /* AECGBFDH6 */
int32x8 d6 = _mm256_permute2x128_si256(c2,c6,0x31); /* AECGBFDH5 */
int32x8 d7 = _mm256_permute2x128_si256(c3,c7,0x31); /* AECGBFDH7 */
if (flagdown) {
d0 ^= mask;
d1 ^= mask;
d2 ^= mask;
d3 ^= mask;
d4 ^= mask;
d5 ^= mask;
d6 ^= mask;
d7 ^= mask;
}
int32x8_store(&x[i],d0);
int32x8_store(&x[i+q],d4);
int32x8_store(&x[i+2*q],d1);
int32x8_store(&x[i+3*q],d5);
int32x8_store(&x[i+4*q],d2);
int32x8_store(&x[i+5*q],d6);
int32x8_store(&x[i+6*q],d3);
int32x8_store(&x[i+7*q],d7);
}
}
void int32_sort(int32 *x,long long n)
{ long long q,i,j;
if (n <= 8) {
if (n == 8) {
int32_MINMAX(x[0],x[1]);
int32_MINMAX(x[1],x[2]);
int32_MINMAX(x[2],x[3]);
int32_MINMAX(x[3],x[4]);
int32_MINMAX(x[4],x[5]);
int32_MINMAX(x[5],x[6]);
int32_MINMAX(x[6],x[7]);
}
if (n >= 7) {
int32_MINMAX(x[0],x[1]);
int32_MINMAX(x[1],x[2]);
int32_MINMAX(x[2],x[3]);
int32_MINMAX(x[3],x[4]);
int32_MINMAX(x[4],x[5]);
int32_MINMAX(x[5],x[6]);
}
if (n >= 6) {
int32_MINMAX(x[0],x[1]);
int32_MINMAX(x[1],x[2]);
int32_MINMAX(x[2],x[3]);
int32_MINMAX(x[3],x[4]);
int32_MINMAX(x[4],x[5]);
}
if (n >= 5) {
int32_MINMAX(x[0],x[1]);
int32_MINMAX(x[1],x[2]);
int32_MINMAX(x[2],x[3]);
int32_MINMAX(x[3],x[4]);
}
if (n >= 4) {
int32_MINMAX(x[0],x[1]);
int32_MINMAX(x[1],x[2]);
int32_MINMAX(x[2],x[3]);
}
if (n >= 3) {
int32_MINMAX(x[0],x[1]);
int32_MINMAX(x[1],x[2]);
}
if (n >= 2) {
int32_MINMAX(x[0],x[1]);
}
return;
}
if (!(n & (n - 1))) {
int32_sort_2power(x,n,0);
return;
}
q = 8;
while (q < n - q) q += q;
/* n > q >= 8 */
if (q <= 128) { /* n <= 256 */
int32x8 y[32];
for (i = q>>3;i < q>>2;++i) y[i] = _mm256_set1_epi32(0x7fffffff);
for (i = 0;i < n;++i) i[(int32 *) y] = x[i];
int32_sort_2power((int32 *) y,2*q,0);
for (i = 0;i < n;++i) x[i] = i[(int32 *) y];
return;
}
int32_sort_2power(x,q,1);
int32_sort(x + q,n - q);
while (q >= 64) {
q >>= 2;
j = int32_threestages(x,n,q);
minmax_vector(x + j,x + j + 4*q,n - 4*q - j);
if (j + 4*q <= n) {
for (i = j;i < j + q;i += 8) {
int32x8 x0 = int32x8_load(&x[i]);
int32x8 x1 = int32x8_load(&x[i+q]);
int32x8 x2 = int32x8_load(&x[i+2*q]);
int32x8 x3 = int32x8_load(&x[i+3*q]);
int32x8_MINMAX(x0,x2);
int32x8_MINMAX(x1,x3);
int32x8_MINMAX(x0,x1);
int32x8_MINMAX(x2,x3);
int32x8_store(&x[i],x0);
int32x8_store(&x[i+q],x1);
int32x8_store(&x[i+2*q],x2);
int32x8_store(&x[i+3*q],x3);
}
j += 4*q;
}
minmax_vector(x + j,x + j + 2*q,n - 2*q - j);
if (j + 2*q <= n) {
for (i = j;i < j + q;i += 8) {
int32x8 x0 = int32x8_load(&x[i]);
int32x8 x1 = int32x8_load(&x[i+q]);
int32x8_MINMAX(x0,x1);
int32x8_store(&x[i],x0);
int32x8_store(&x[i+q],x1);
}
j += 2*q;
}
minmax_vector(x + j,x + j + q,n - q - j);
q >>= 1;
}
if (q == 32) {
j = 0;
for (;j + 64 <= n;j += 64) {
int32x8 x0 = int32x8_load(&x[j]);
int32x8 x1 = int32x8_load(&x[j+8]);
int32x8 x2 = int32x8_load(&x[j+16]);
int32x8 x3 = int32x8_load(&x[j+24]);
int32x8 x4 = int32x8_load(&x[j+32]);
int32x8 x5 = int32x8_load(&x[j+40]);
int32x8 x6 = int32x8_load(&x[j+48]);
int32x8 x7 = int32x8_load(&x[j+56]);
int32x8_MINMAX(x0,x4);
int32x8_MINMAX(x1,x5);
int32x8_MINMAX(x2,x6);
int32x8_MINMAX(x3,x7);
int32x8_MINMAX(x0,x2);
int32x8_MINMAX(x1,x3);
int32x8_MINMAX(x4,x6);
int32x8_MINMAX(x5,x7);
int32x8_MINMAX(x0,x1);
int32x8_MINMAX(x2,x3);
int32x8_MINMAX(x4,x5);
int32x8_MINMAX(x6,x7);
int32x8 a0 = _mm256_permute2x128_si256(x0,x1,0x20);
int32x8 a1 = _mm256_permute2x128_si256(x0,x1,0x31);
int32x8 a2 = _mm256_permute2x128_si256(x2,x3,0x20);
int32x8 a3 = _mm256_permute2x128_si256(x2,x3,0x31);
int32x8 a4 = _mm256_permute2x128_si256(x4,x5,0x20);
int32x8 a5 = _mm256_permute2x128_si256(x4,x5,0x31);
int32x8 a6 = _mm256_permute2x128_si256(x6,x7,0x20);
int32x8 a7 = _mm256_permute2x128_si256(x6,x7,0x31);
int32x8_MINMAX(a0,a1);
int32x8_MINMAX(a2,a3);
int32x8_MINMAX(a4,a5);
int32x8_MINMAX(a6,a7);
int32x8 b0 = _mm256_permute2x128_si256(a0,a1,0x20);
int32x8 b1 = _mm256_permute2x128_si256(a0,a1,0x31);
int32x8 b2 = _mm256_permute2x128_si256(a2,a3,0x20);
int32x8 b3 = _mm256_permute2x128_si256(a2,a3,0x31);
int32x8 b4 = _mm256_permute2x128_si256(a4,a5,0x20);
int32x8 b5 = _mm256_permute2x128_si256(a4,a5,0x31);
int32x8 b6 = _mm256_permute2x128_si256(a6,a7,0x20);
int32x8 b7 = _mm256_permute2x128_si256(a6,a7,0x31);
int32x8 c0 = _mm256_unpacklo_epi64(b0,b1);
int32x8 c1 = _mm256_unpackhi_epi64(b0,b1);
int32x8 c2 = _mm256_unpacklo_epi64(b2,b3);
int32x8 c3 = _mm256_unpackhi_epi64(b2,b3);
int32x8 c4 = _mm256_unpacklo_epi64(b4,b5);
int32x8 c5 = _mm256_unpackhi_epi64(b4,b5);
int32x8 c6 = _mm256_unpacklo_epi64(b6,b7);
int32x8 c7 = _mm256_unpackhi_epi64(b6,b7);
int32x8_MINMAX(c0,c1);
int32x8_MINMAX(c2,c3);
int32x8_MINMAX(c4,c5);
int32x8_MINMAX(c6,c7);
int32x8 d0 = _mm256_unpacklo_epi32(c0,c1);
int32x8 d1 = _mm256_unpackhi_epi32(c0,c1);
int32x8 d2 = _mm256_unpacklo_epi32(c2,c3);
int32x8 d3 = _mm256_unpackhi_epi32(c2,c3);
int32x8 d4 = _mm256_unpacklo_epi32(c4,c5);
int32x8 d5 = _mm256_unpackhi_epi32(c4,c5);
int32x8 d6 = _mm256_unpacklo_epi32(c6,c7);
int32x8 d7 = _mm256_unpackhi_epi32(c6,c7);
int32x8 e0 = _mm256_unpacklo_epi64(d0,d1);
int32x8 e1 = _mm256_unpackhi_epi64(d0,d1);
int32x8 e2 = _mm256_unpacklo_epi64(d2,d3);
int32x8 e3 = _mm256_unpackhi_epi64(d2,d3);
int32x8 e4 = _mm256_unpacklo_epi64(d4,d5);
int32x8 e5 = _mm256_unpackhi_epi64(d4,d5);
int32x8 e6 = _mm256_unpacklo_epi64(d6,d7);
int32x8 e7 = _mm256_unpackhi_epi64(d6,d7);
int32x8_MINMAX(e0,e1);
int32x8_MINMAX(e2,e3);
int32x8_MINMAX(e4,e5);
int32x8_MINMAX(e6,e7);
int32x8 f0 = _mm256_unpacklo_epi32(e0,e1);
int32x8 f1 = _mm256_unpackhi_epi32(e0,e1);
int32x8 f2 = _mm256_unpacklo_epi32(e2,e3);
int32x8 f3 = _mm256_unpackhi_epi32(e2,e3);
int32x8 f4 = _mm256_unpacklo_epi32(e4,e5);
int32x8 f5 = _mm256_unpackhi_epi32(e4,e5);
int32x8 f6 = _mm256_unpacklo_epi32(e6,e7);
int32x8 f7 = _mm256_unpackhi_epi32(e6,e7);
int32x8_store(&x[j],f0);
int32x8_store(&x[j+8],f1);
int32x8_store(&x[j+16],f2);
int32x8_store(&x[j+24],f3);
int32x8_store(&x[j+32],f4);
int32x8_store(&x[j+40],f5);
int32x8_store(&x[j+48],f6);
int32x8_store(&x[j+56],f7);
}
minmax_vector(x + j,x + j + 32,n - 32 - j);
goto continue16;
}
if (q == 16) {
j = 0;
continue16:
for (;j + 32 <= n;j += 32) {
int32x8 x0 = int32x8_load(&x[j]);
int32x8 x1 = int32x8_load(&x[j+8]);
int32x8 x2 = int32x8_load(&x[j+16]);
int32x8 x3 = int32x8_load(&x[j+24]);
int32x8_MINMAX(x0,x2);
int32x8_MINMAX(x1,x3);
int32x8_MINMAX(x0,x1);
int32x8_MINMAX(x2,x3);
int32x8 a0 = _mm256_permute2x128_si256(x0,x1,0x20);
int32x8 a1 = _mm256_permute2x128_si256(x0,x1,0x31);
int32x8 a2 = _mm256_permute2x128_si256(x2,x3,0x20);
int32x8 a3 = _mm256_permute2x128_si256(x2,x3,0x31);
int32x8_MINMAX(a0,a1);
int32x8_MINMAX(a2,a3);
int32x8 b0 = _mm256_permute2x128_si256(a0,a1,0x20);
int32x8 b1 = _mm256_permute2x128_si256(a0,a1,0x31);
int32x8 b2 = _mm256_permute2x128_si256(a2,a3,0x20);
int32x8 b3 = _mm256_permute2x128_si256(a2,a3,0x31);
int32x8 c0 = _mm256_unpacklo_epi64(b0,b1);
int32x8 c1 = _mm256_unpackhi_epi64(b0,b1);
int32x8 c2 = _mm256_unpacklo_epi64(b2,b3);
int32x8 c3 = _mm256_unpackhi_epi64(b2,b3);
int32x8_MINMAX(c0,c1);
int32x8_MINMAX(c2,c3);
int32x8 d0 = _mm256_unpacklo_epi32(c0,c1);
int32x8 d1 = _mm256_unpackhi_epi32(c0,c1);
int32x8 d2 = _mm256_unpacklo_epi32(c2,c3);
int32x8 d3 = _mm256_unpackhi_epi32(c2,c3);
int32x8 e0 = _mm256_unpacklo_epi64(d0,d1);
int32x8 e1 = _mm256_unpackhi_epi64(d0,d1);
int32x8 e2 = _mm256_unpacklo_epi64(d2,d3);
int32x8 e3 = _mm256_unpackhi_epi64(d2,d3);
int32x8_MINMAX(e0,e1);
int32x8_MINMAX(e2,e3);
int32x8 f0 = _mm256_unpacklo_epi32(e0,e1);
int32x8 f1 = _mm256_unpackhi_epi32(e0,e1);
int32x8 f2 = _mm256_unpacklo_epi32(e2,e3);
int32x8 f3 = _mm256_unpackhi_epi32(e2,e3);
int32x8_store(&x[j],f0);
int32x8_store(&x[j+8],f1);
int32x8_store(&x[j+16],f2);
int32x8_store(&x[j+24],f3);
}
minmax_vector(x + j,x + j + 16,n - 16 - j);
goto continue8;
}
/* q == 8 */
j = 0;
continue8:
for (;j + 16 <= n;j += 16) {
int32x8 x0 = int32x8_load(&x[j]);
int32x8 x1 = int32x8_load(&x[j+8]);
int32x8_MINMAX(x0,x1);
int32x8_store(&x[j],x0);
int32x8_store(&x[j+8],x1);
int32x8 a0 = _mm256_permute2x128_si256(x0,x1,0x20); /* x0123y0123 */
int32x8 a1 = _mm256_permute2x128_si256(x0,x1,0x31); /* x4567y4567 */
int32x8_MINMAX(a0,a1);
int32x8 b0 = _mm256_permute2x128_si256(a0,a1,0x20); /* x01234567 */
int32x8 b1 = _mm256_permute2x128_si256(a0,a1,0x31); /* y01234567 */
int32x8 c0 = _mm256_unpacklo_epi64(b0,b1); /* x01y01x45y45 */
int32x8 c1 = _mm256_unpackhi_epi64(b0,b1); /* x23y23x67y67 */
int32x8_MINMAX(c0,c1);
int32x8 d0 = _mm256_unpacklo_epi32(c0,c1); /* x02x13x46x57 */
int32x8 d1 = _mm256_unpackhi_epi32(c0,c1); /* y02y13y46y57 */
int32x8 e0 = _mm256_unpacklo_epi64(d0,d1); /* x02y02x46y46 */
int32x8 e1 = _mm256_unpackhi_epi64(d0,d1); /* x13y13x57y57 */
int32x8_MINMAX(e0,e1);
int32x8 f0 = _mm256_unpacklo_epi32(e0,e1); /* x01234567 */
int32x8 f1 = _mm256_unpackhi_epi32(e0,e1); /* y01234567 */
int32x8_store(&x[j],f0);
int32x8_store(&x[j+8],f1);
}
minmax_vector(x + j,x + j + 8,n - 8 - j);
if (j + 8 <= n) {
int32_MINMAX(x[j],x[j+4]);
int32_MINMAX(x[j+1],x[j+5]);
int32_MINMAX(x[j+2],x[j+6]);
int32_MINMAX(x[j+3],x[j+7]);
int32_MINMAX(x[j],x[j+2]);
int32_MINMAX(x[j+1],x[j+3]);
int32_MINMAX(x[j],x[j+1]);
int32_MINMAX(x[j+2],x[j+3]);
int32_MINMAX(x[j+4],x[j+6]);
int32_MINMAX(x[j+5],x[j+7]);
int32_MINMAX(x[j+4],x[j+5]);
int32_MINMAX(x[j+6],x[j+7]);
j += 8;
}
minmax_vector(x + j,x + j + 4,n - 4 - j);
if (j + 4 <= n) {
int32_MINMAX(x[j],x[j+2]);
int32_MINMAX(x[j+1],x[j+3]);
int32_MINMAX(x[j],x[j+1]);
int32_MINMAX(x[j+2],x[j+3]);
j += 4;
}
if (j + 3 <= n)
int32_MINMAX(x[j],x[j+2]);
if (j + 2 <= n)
int32_MINMAX(x[j],x[j+1]);
}