如何优化双重解引用？

非常具体的优化任务。 我有3个数组：

• const char* 输入磁带
• const int* inputOffset，以四个为一组
• char* 输出磁带输出

我必须根据以下 5 个操作从输入组装输出磁带：

int selectorOffset = inputOffset[4*i];
char selectorValue = inputTape[selectorOffset];
int outputOffset = inputOffset[4*i+1+selectorValue];
char outputValue = inputTape[outputOffset];
outputTape[i] = outputValue; // store byte

然后前进柜台。

所有迭代都是相同的并且可以并行完成。 inputOffset 的格式可能会发生变化，但直到相同的输入将产生相同的输出。

GPU 上的 OpenCL 在该算法上失败（与 cpu 的工作方式相同甚至更慢）

组装最好的我得到了 5 mov、1 lea、1 dec 指令。更新： 感谢 Peter Cordes 的一点提示

loop_start:
mov         eax,dword ptr [rdx-10h]             ; selector offset
movzx       r10d,byte ptr [rax+r8]          ; selector value
mov         eax,dword ptr [rdx+r10*4-0Ch]       ; output offset
movzx       r10d,byte ptr [r8+rax]          ; output value
mov         byte ptr [r9+rcx-1],r10b            ; store to outputTape
lea         rdx, [rdx-10h]                  ; pointer to inputOffset for current 
dec         ecx                             ; loop counter, sets zero flag if (ecx == 0)
jne         loop_start                      ; continue looping while non zero iterations left: ( ecx != 0 )

我如何针对 SSE/AVX 操作进行优化？我迷惑了...

UPD: better to see it than to hear it..