Во-первых, я имел в виду пример касательно X32. Дармовая же оптимизация совершенно.

Во-вторых - у вас проблема была не с оптимизациями, а с C - языком, который вообще внятному описанию алгоритма не способствует - там, где в плюсах можно написать красиво и получить эффективный код (шаблоны те же) в сях имеем мешанину. Ну и вы, надеюсь, знаете, что практически для любого частного случая можно подобрать контейнер, совместимый с STL, который будет работать в несколько раз быстрее.