代码

#pragma GCC optimize("Ofast,unroll-loops")
#pragma GCC optimize("3")
#include<bits/stdc++.h>
#define LL long long
#define LLL __int128
#define uint unsigned
#define ldb long double
using namespace std;
typedef pair<int,int> PII;
const int N=1<<27;
uint c0[256],c1[256],c2[256],c3[256],*c[256],b[N];
void sort(uint *a,int n){
    uint i,*p;
#define cal(a,b,ci,d) \
    p=b;for(i=0;i<256;++i)c[i]=p,p+=ci[i];\
    for(p=a,i=0;i<n;i+=8)\
        *(c[(*p)d]++)=(*p),++p,\
        *(c[(*p)d]++)=(*p),++p,\
        *(c[(*p)d]++)=(*p),++p,\
        *(c[(*p)d]++)=(*p),++p,\
        *(c[(*p)d]++)=(*p),++p,\
        *(c[(*p)d]++)=(*p),++p,\
        *(c[(*p)d]++)=(*p),++p,\
        *(c[(*p)d]++)=(*p),++p;\
    for(;i<n;++i)\
        *(c[(*p)d]++)=(*p),++p;
    for(p=a,i=0;i<n;i+=8)
        ++c0[(*p)&255],++c1[(*p)>>8&255],++c2[(*p)>>16&255],++c3[(*p)>>24],++p,\
        ++c0[(*p)&255],++c1[(*p)>>8&255],++c2[(*p)>>16&255],++c3[(*p)>>24],++p,\
        ++c0[(*p)&255],++c1[(*p)>>8&255],++c2[(*p)>>16&255],++c3[(*p)>>24],++p,\
        ++c0[(*p)&255],++c1[(*p)>>8&255],++c2[(*p)>>16&255],++c3[(*p)>>24],++p,\
        ++c0[(*p)&255],++c1[(*p)>>8&255],++c2[(*p)>>16&255],++c3[(*p)>>24],++p,\
        ++c0[(*p)&255],++c1[(*p)>>8&255],++c2[(*p)>>16&255],++c3[(*p)>>24],++p,\
        ++c0[(*p)&255],++c1[(*p)>>8&255],++c2[(*p)>>16&255],++c3[(*p)>>24],++p,\
        ++c0[(*p)&255],++c1[(*p)>>8&255],++c2[(*p)>>16&255],++c3[(*p)>>24],++p;
    for(;i<n;++i)
        ++c0[(*p)&255],++c1[(*p)>>8&255],++c2[(*p)>>16&255],++c3[(*p)>>24],++p;
    cal(a,b,c0,&255);
    cal(b,a,c1,>>8&255);
    cal(a,b,c2,>>16&255);
    cal(b,a,c3,>>24);
}

评测结果