FastMath dist3

Percentage Accurate: 98.1% → 100.0%

Time: 3.0s

Alternatives: 6

Speedup: 1.9×

• 21.0% of points produce a very large (infinite) output. You may want to add a precondition.

Specification

Math

\[\begin{array}{l} \\ \left(d1 \cdot d2 + \left(d3 + 5\right) \cdot d1\right) + d1 \cdot 32 \end{array} \]

FPCore

(FPCore (d1 d2 d3)
 :precision binary64
 (+ (+ (* d1 d2) (* (+ d3 5.0) d1)) (* d1 32.0)))

C

double code(double d1, double d2, double d3) {
	return ((d1 * d2) + ((d3 + 5.0) * d1)) + (d1 * 32.0);
}

Fortran

real(8) function code(d1, d2, d3)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    code = ((d1 * d2) + ((d3 + 5.0d0) * d1)) + (d1 * 32.0d0)
end function

Java

public static double code(double d1, double d2, double d3) {
	return ((d1 * d2) + ((d3 + 5.0) * d1)) + (d1 * 32.0);
}

Python

def code(d1, d2, d3):
	return ((d1 * d2) + ((d3 + 5.0) * d1)) + (d1 * 32.0)

Julia

function code(d1, d2, d3)
	return Float64(Float64(Float64(d1 * d2) + Float64(Float64(d3 + 5.0) * d1)) + Float64(d1 * 32.0))
end

MATLAB

function tmp = code(d1, d2, d3)
	tmp = ((d1 * d2) + ((d3 + 5.0) * d1)) + (d1 * 32.0);
end

Wolfram

code[d1_, d2_, d3_] := N[(N[(N[(d1 * d2), $MachinePrecision] + N[(N[(d3 + 5.0), $MachinePrecision] * d1), $MachinePrecision]), $MachinePrecision] + N[(d1 * 32.0), $MachinePrecision]), $MachinePrecision]

Initial Program: 98.1% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \left(d1 \cdot d2 + \left(d3 + 5\right) \cdot d1\right) + d1 \cdot 32 \end{array} \]

FPCore

(FPCore (d1 d2 d3)
 :precision binary64
 (+ (+ (* d1 d2) (* (+ d3 5.0) d1)) (* d1 32.0)))

C

double code(double d1, double d2, double d3) {
	return ((d1 * d2) + ((d3 + 5.0) * d1)) + (d1 * 32.0);
}

Fortran

real(8) function code(d1, d2, d3)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    code = ((d1 * d2) + ((d3 + 5.0d0) * d1)) + (d1 * 32.0d0)
end function

Java

public static double code(double d1, double d2, double d3) {
	return ((d1 * d2) + ((d3 + 5.0) * d1)) + (d1 * 32.0);
}

Python

def code(d1, d2, d3):
	return ((d1 * d2) + ((d3 + 5.0) * d1)) + (d1 * 32.0)

Julia

function code(d1, d2, d3)
	return Float64(Float64(Float64(d1 * d2) + Float64(Float64(d3 + 5.0) * d1)) + Float64(d1 * 32.0))
end

MATLAB

function tmp = code(d1, d2, d3)
	tmp = ((d1 * d2) + ((d3 + 5.0) * d1)) + (d1 * 32.0);
end

Wolfram

code[d1_, d2_, d3_] := N[(N[(N[(d1 * d2), $MachinePrecision] + N[(N[(d3 + 5.0), $MachinePrecision] * d1), $MachinePrecision]), $MachinePrecision] + N[(d1 * 32.0), $MachinePrecision]), $MachinePrecision]

Alternative 1: 100.0% accurate, 1.9× speedup

Math

\[\begin{array}{l} \\ d1 \cdot \left(d2 + \left(d3 + 37\right)\right) \end{array} \]

FPCore

(FPCore (d1 d2 d3) :precision binary64 (* d1 (+ d2 (+ d3 37.0))))

C

double code(double d1, double d2, double d3) {
	return d1 * (d2 + (d3 + 37.0));
}

Fortran

real(8) function code(d1, d2, d3)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    code = d1 * (d2 + (d3 + 37.0d0))
end function

Java

public static double code(double d1, double d2, double d3) {
	return d1 * (d2 + (d3 + 37.0));
}

Python

def code(d1, d2, d3):
	return d1 * (d2 + (d3 + 37.0))

Julia

function code(d1, d2, d3)
	return Float64(d1 * Float64(d2 + Float64(d3 + 37.0)))
end

MATLAB

function tmp = code(d1, d2, d3)
	tmp = d1 * (d2 + (d3 + 37.0));
end

Wolfram

code[d1_, d2_, d3_] := N[(d1 * N[(d2 + N[(d3 + 37.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]

Derivation

1. Initial program 96.8%

   \[\left(d1 \cdot d2 + \left(d3 + 5\right) \cdot d1\right) + d1 \cdot 32 \]
2. Step-by-step derivation

   1. *-commutative 96.8%

      \[\leadsto \left(d1 \cdot d2 + \color{blue}{d1 \cdot \left(d3 + 5\right)}\right) + d1 \cdot 32 \]

   2. distribute-lft-out 100.0%

      \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 5\right)\right)} + d1 \cdot 32 \]

   3. distribute-lft-out 100.0%

      \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + \left(d3 + 5\right)\right) + 32\right)} \]

   4. associate-+r+ 100.0%

      \[\leadsto d1 \cdot \color{blue}{\left(d2 + \left(\left(d3 + 5\right) + 32\right)\right)} \]

   5. associate-+l+ 100.0%

      \[\leadsto d1 \cdot \left(d2 + \color{blue}{\left(d3 + \left(5 + 32\right)\right)}\right) \]

   6. metadata-eval 100.0%

      \[\leadsto d1 \cdot \left(d2 + \left(d3 + \color{blue}{37}\right)\right) \]

3. Simplified 100.0%

   \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 37\right)\right)} \]

4. Final simplification 100.0%

   \[\leadsto d1 \cdot \left(d2 + \left(d3 + 37\right)\right) \]

Alternative 2: 50.9% accurate, 1.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d2 \leq -38:\\ \;\;\;\;d1 \cdot d2\\ \mathbf{elif}\;d2 \leq 1.35 \cdot 10^{-300}:\\ \;\;\;\;d1 \cdot 37\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot d3\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3)
 :precision binary64
 (if (<= d2 -38.0) (* d1 d2) (if (<= d2 1.35e-300) (* d1 37.0) (* d1 d3))))

C

double code(double d1, double d2, double d3) {
	double tmp;
	if (d2 <= -38.0) {
		tmp = d1 * d2;
	} else if (d2 <= 1.35e-300) {
		tmp = d1 * 37.0;
	} else {
		tmp = d1 * d3;
	}
	return tmp;
}

Fortran

real(8) function code(d1, d2, d3)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8) :: tmp
    if (d2 <= (-38.0d0)) then
        tmp = d1 * d2
    else if (d2 <= 1.35d-300) then
        tmp = d1 * 37.0d0
    else
        tmp = d1 * d3
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3) {
	double tmp;
	if (d2 <= -38.0) {
		tmp = d1 * d2;
	} else if (d2 <= 1.35e-300) {
		tmp = d1 * 37.0;
	} else {
		tmp = d1 * d3;
	}
	return tmp;
}

Python

def code(d1, d2, d3):
	tmp = 0
	if d2 <= -38.0:
		tmp = d1 * d2
	elif d2 <= 1.35e-300:
		tmp = d1 * 37.0
	else:
		tmp = d1 * d3
	return tmp

Julia

function code(d1, d2, d3)
	tmp = 0.0
	if (d2 <= -38.0)
		tmp = Float64(d1 * d2);
	elseif (d2 <= 1.35e-300)
		tmp = Float64(d1 * 37.0);
	else
		tmp = Float64(d1 * d3);
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3)
	tmp = 0.0;
	if (d2 <= -38.0)
		tmp = d1 * d2;
	elseif (d2 <= 1.35e-300)
		tmp = d1 * 37.0;
	else
		tmp = d1 * d3;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_] := If[LessEqual[d2, -38.0], N[(d1 * d2), $MachinePrecision], If[LessEqual[d2, 1.35e-300], N[(d1 * 37.0), $MachinePrecision], N[(d1 * d3), $MachinePrecision]]]

Derivation

1. Split input into 3 regimes

2. if d2 < -38

   1. Initial program 95.7%

      \[\left(d1 \cdot d2 + \left(d3 + 5\right) \cdot d1\right) + d1 \cdot 32 \]
   2. Step-by-step derivation

      1. *-commutative 95.7%

         \[\leadsto \left(d1 \cdot d2 + \color{blue}{d1 \cdot \left(d3 + 5\right)}\right) + d1 \cdot 32 \]

      2. distribute-lft-out 100.0%

         \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 5\right)\right)} + d1 \cdot 32 \]

      3. distribute-lft-out 100.0%

         \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + \left(d3 + 5\right)\right) + 32\right)} \]

      4. associate-+r+ 100.0%

         \[\leadsto d1 \cdot \color{blue}{\left(d2 + \left(\left(d3 + 5\right) + 32\right)\right)} \]

      5. associate-+l+ 100.0%

         \[\leadsto d1 \cdot \left(d2 + \color{blue}{\left(d3 + \left(5 + 32\right)\right)}\right) \]

      6. metadata-eval 100.0%

         \[\leadsto d1 \cdot \left(d2 + \left(d3 + \color{blue}{37}\right)\right) \]

   3. Simplified 100.0%

      \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 37\right)\right)} \]

   4. Taylor expanded in d2 around inf 71.2%

      \[\leadsto \color{blue}{d2 \cdot d1} \]

   if -38 < d2 < 1.34999999999999998e-300

   1. Initial program 99.9%

      \[\left(d1 \cdot d2 + \left(d3 + 5\right) \cdot d1\right) + d1 \cdot 32 \]
   2. Step-by-step derivation

      1. *-commutative 99.9%

         \[\leadsto \left(d1 \cdot d2 + \color{blue}{d1 \cdot \left(d3 + 5\right)}\right) + d1 \cdot 32 \]

      2. distribute-lft-out 99.9%

         \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 5\right)\right)} + d1 \cdot 32 \]

      3. distribute-lft-out 100.0%

         \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + \left(d3 + 5\right)\right) + 32\right)} \]

      4. associate-+r+ 100.0%

         \[\leadsto d1 \cdot \color{blue}{\left(d2 + \left(\left(d3 + 5\right) + 32\right)\right)} \]

      5. associate-+l+ 100.0%

         \[\leadsto d1 \cdot \left(d2 + \color{blue}{\left(d3 + \left(5 + 32\right)\right)}\right) \]

      6. metadata-eval 100.0%

         \[\leadsto d1 \cdot \left(d2 + \left(d3 + \color{blue}{37}\right)\right) \]

   3. Simplified 100.0%

      \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 37\right)\right)} \]

   4. Taylor expanded in d2 around 0 99.2%

      \[\leadsto \color{blue}{\left(37 + d3\right) \cdot d1} \]

   5. Taylor expanded in d3 around 0 59.6%

      \[\leadsto \color{blue}{37 \cdot d1} \]

   if 1.34999999999999998e-300 < d2

   1. Initial program 95.8%

      \[\left(d1 \cdot d2 + \left(d3 + 5\right) \cdot d1\right) + d1 \cdot 32 \]
   2. Step-by-step derivation

      1. *-commutative 95.8%

         \[\leadsto \left(d1 \cdot d2 + \color{blue}{d1 \cdot \left(d3 + 5\right)}\right) + d1 \cdot 32 \]

      2. distribute-lft-out 99.9%

         \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 5\right)\right)} + d1 \cdot 32 \]

      3. distribute-lft-out 100.0%

         \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + \left(d3 + 5\right)\right) + 32\right)} \]

      4. associate-+r+ 100.0%

         \[\leadsto d1 \cdot \color{blue}{\left(d2 + \left(\left(d3 + 5\right) + 32\right)\right)} \]

      5. associate-+l+ 100.0%

         \[\leadsto d1 \cdot \left(d2 + \color{blue}{\left(d3 + \left(5 + 32\right)\right)}\right) \]

      6. metadata-eval 100.0%

         \[\leadsto d1 \cdot \left(d2 + \left(d3 + \color{blue}{37}\right)\right) \]

   3. Simplified 100.0%

      \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 37\right)\right)} \]

   4. Taylor expanded in d3 around inf 43.0%

      \[\leadsto \color{blue}{d1 \cdot d3} \]
3. Recombined 3 regimes into one program.

4. Final simplification 54.8%

   \[\leadsto \begin{array}{l} \mathbf{if}\;d2 \leq -38:\\ \;\;\;\;d1 \cdot d2\\ \mathbf{elif}\;d2 \leq 1.35 \cdot 10^{-300}:\\ \;\;\;\;d1 \cdot 37\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot d3\\ \end{array} \]

Alternative 3: 75.6% accurate, 1.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d3 \leq 2.5 \cdot 10^{+18}:\\ \;\;\;\;d1 \cdot \left(d2 + 37\right)\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot d3\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3)
 :precision binary64
 (if (<= d3 2.5e+18) (* d1 (+ d2 37.0)) (* d1 d3)))

C

double code(double d1, double d2, double d3) {
	double tmp;
	if (d3 <= 2.5e+18) {
		tmp = d1 * (d2 + 37.0);
	} else {
		tmp = d1 * d3;
	}
	return tmp;
}

Fortran

real(8) function code(d1, d2, d3)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8) :: tmp
    if (d3 <= 2.5d+18) then
        tmp = d1 * (d2 + 37.0d0)
    else
        tmp = d1 * d3
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3) {
	double tmp;
	if (d3 <= 2.5e+18) {
		tmp = d1 * (d2 + 37.0);
	} else {
		tmp = d1 * d3;
	}
	return tmp;
}

Python

def code(d1, d2, d3):
	tmp = 0
	if d3 <= 2.5e+18:
		tmp = d1 * (d2 + 37.0)
	else:
		tmp = d1 * d3
	return tmp

Julia

function code(d1, d2, d3)
	tmp = 0.0
	if (d3 <= 2.5e+18)
		tmp = Float64(d1 * Float64(d2 + 37.0));
	else
		tmp = Float64(d1 * d3);
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3)
	tmp = 0.0;
	if (d3 <= 2.5e+18)
		tmp = d1 * (d2 + 37.0);
	else
		tmp = d1 * d3;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_] := If[LessEqual[d3, 2.5e+18], N[(d1 * N[(d2 + 37.0), $MachinePrecision]), $MachinePrecision], N[(d1 * d3), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if d3 < 2.5e18

   1. Initial program 97.4%

      \[\left(d1 \cdot d2 + \left(d3 + 5\right) \cdot d1\right) + d1 \cdot 32 \]
   2. Step-by-step derivation

      1. *-commutative 97.4%

         \[\leadsto \left(d1 \cdot d2 + \color{blue}{d1 \cdot \left(d3 + 5\right)}\right) + d1 \cdot 32 \]

      2. distribute-lft-out 99.9%

         \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 5\right)\right)} + d1 \cdot 32 \]

      3. distribute-lft-out 100.0%

         \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + \left(d3 + 5\right)\right) + 32\right)} \]

      4. associate-+r+ 100.0%

         \[\leadsto d1 \cdot \color{blue}{\left(d2 + \left(\left(d3 + 5\right) + 32\right)\right)} \]

      5. associate-+l+ 100.0%

         \[\leadsto d1 \cdot \left(d2 + \color{blue}{\left(d3 + \left(5 + 32\right)\right)}\right) \]

      6. metadata-eval 100.0%

         \[\leadsto d1 \cdot \left(d2 + \left(d3 + \color{blue}{37}\right)\right) \]

   3. Simplified 100.0%

      \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 37\right)\right)} \]

   4. Taylor expanded in d3 around 0 72.1%

      \[\leadsto \color{blue}{d1 \cdot \left(d2 + 37\right)} \]

   if 2.5e18 < d3

   1. Initial program 94.6%

      \[\left(d1 \cdot d2 + \left(d3 + 5\right) \cdot d1\right) + d1 \cdot 32 \]
   2. Step-by-step derivation

      1. *-commutative 94.6%

         \[\leadsto \left(d1 \cdot d2 + \color{blue}{d1 \cdot \left(d3 + 5\right)}\right) + d1 \cdot 32 \]

      2. distribute-lft-out 100.0%

         \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 5\right)\right)} + d1 \cdot 32 \]

      3. distribute-lft-out 100.0%

         \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + \left(d3 + 5\right)\right) + 32\right)} \]

      4. associate-+r+ 100.0%

         \[\leadsto d1 \cdot \color{blue}{\left(d2 + \left(\left(d3 + 5\right) + 32\right)\right)} \]

      5. associate-+l+ 100.0%

         \[\leadsto d1 \cdot \left(d2 + \color{blue}{\left(d3 + \left(5 + 32\right)\right)}\right) \]

      6. metadata-eval 100.0%

         \[\leadsto d1 \cdot \left(d2 + \left(d3 + \color{blue}{37}\right)\right) \]

   3. Simplified 100.0%

      \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 37\right)\right)} \]

   4. Taylor expanded in d3 around inf 73.2%

      \[\leadsto \color{blue}{d1 \cdot d3} \]
3. Recombined 2 regimes into one program.

4. Final simplification 72.3%

   \[\leadsto \begin{array}{l} \mathbf{if}\;d3 \leq 2.5 \cdot 10^{+18}:\\ \;\;\;\;d1 \cdot \left(d2 + 37\right)\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot d3\\ \end{array} \]

Alternative 4: 76.1% accurate, 1.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d2 \leq -3300000000000:\\ \;\;\;\;d1 \cdot d2\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot \left(d3 + 37\right)\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3)
 :precision binary64
 (if (<= d2 -3300000000000.0) (* d1 d2) (* d1 (+ d3 37.0))))

C

double code(double d1, double d2, double d3) {
	double tmp;
	if (d2 <= -3300000000000.0) {
		tmp = d1 * d2;
	} else {
		tmp = d1 * (d3 + 37.0);
	}
	return tmp;
}

Fortran

real(8) function code(d1, d2, d3)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8) :: tmp
    if (d2 <= (-3300000000000.0d0)) then
        tmp = d1 * d2
    else
        tmp = d1 * (d3 + 37.0d0)
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3) {
	double tmp;
	if (d2 <= -3300000000000.0) {
		tmp = d1 * d2;
	} else {
		tmp = d1 * (d3 + 37.0);
	}
	return tmp;
}

Python

def code(d1, d2, d3):
	tmp = 0
	if d2 <= -3300000000000.0:
		tmp = d1 * d2
	else:
		tmp = d1 * (d3 + 37.0)
	return tmp

Julia

function code(d1, d2, d3)
	tmp = 0.0
	if (d2 <= -3300000000000.0)
		tmp = Float64(d1 * d2);
	else
		tmp = Float64(d1 * Float64(d3 + 37.0));
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3)
	tmp = 0.0;
	if (d2 <= -3300000000000.0)
		tmp = d1 * d2;
	else
		tmp = d1 * (d3 + 37.0);
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_] := If[LessEqual[d2, -3300000000000.0], N[(d1 * d2), $MachinePrecision], N[(d1 * N[(d3 + 37.0), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if d2 < -3.3e12

   1. Initial program 95.7%

      \[\left(d1 \cdot d2 + \left(d3 + 5\right) \cdot d1\right) + d1 \cdot 32 \]
   2. Step-by-step derivation

      1. *-commutative 95.7%

         \[\leadsto \left(d1 \cdot d2 + \color{blue}{d1 \cdot \left(d3 + 5\right)}\right) + d1 \cdot 32 \]

      2. distribute-lft-out 100.0%

         \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 5\right)\right)} + d1 \cdot 32 \]

      3. distribute-lft-out 100.0%

         \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + \left(d3 + 5\right)\right) + 32\right)} \]

      4. associate-+r+ 100.0%

         \[\leadsto d1 \cdot \color{blue}{\left(d2 + \left(\left(d3 + 5\right) + 32\right)\right)} \]

      5. associate-+l+ 100.0%

         \[\leadsto d1 \cdot \left(d2 + \color{blue}{\left(d3 + \left(5 + 32\right)\right)}\right) \]

      6. metadata-eval 100.0%

         \[\leadsto d1 \cdot \left(d2 + \left(d3 + \color{blue}{37}\right)\right) \]

   3. Simplified 100.0%

      \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 37\right)\right)} \]

   4. Taylor expanded in d2 around inf 71.2%

      \[\leadsto \color{blue}{d2 \cdot d1} \]

   if -3.3e12 < d2

   1. Initial program 97.3%

      \[\left(d1 \cdot d2 + \left(d3 + 5\right) \cdot d1\right) + d1 \cdot 32 \]
   2. Step-by-step derivation

      1. *-commutative 97.3%

         \[\leadsto \left(d1 \cdot d2 + \color{blue}{d1 \cdot \left(d3 + 5\right)}\right) + d1 \cdot 32 \]

      2. distribute-lft-out 99.9%

         \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 5\right)\right)} + d1 \cdot 32 \]

      3. distribute-lft-out 100.0%

         \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + \left(d3 + 5\right)\right) + 32\right)} \]

      4. associate-+r+ 100.0%

         \[\leadsto d1 \cdot \color{blue}{\left(d2 + \left(\left(d3 + 5\right) + 32\right)\right)} \]

      5. associate-+l+ 100.0%

         \[\leadsto d1 \cdot \left(d2 + \color{blue}{\left(d3 + \left(5 + 32\right)\right)}\right) \]

      6. metadata-eval 100.0%

         \[\leadsto d1 \cdot \left(d2 + \left(d3 + \color{blue}{37}\right)\right) \]

   3. Simplified 100.0%

      \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 37\right)\right)} \]

   4. Taylor expanded in d2 around 0 77.2%

      \[\leadsto \color{blue}{\left(37 + d3\right) \cdot d1} \]
3. Recombined 2 regimes into one program.

4. Final simplification 75.6%

   \[\leadsto \begin{array}{l} \mathbf{if}\;d2 \leq -3300000000000:\\ \;\;\;\;d1 \cdot d2\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot \left(d3 + 37\right)\\ \end{array} \]

Alternative 5: 43.9% accurate, 2.6× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d3 \leq 38:\\ \;\;\;\;d1 \cdot 37\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot d3\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3) :precision binary64 (if (<= d3 38.0) (* d1 37.0) (* d1 d3)))

C

double code(double d1, double d2, double d3) {
	double tmp;
	if (d3 <= 38.0) {
		tmp = d1 * 37.0;
	} else {
		tmp = d1 * d3;
	}
	return tmp;
}

Fortran

real(8) function code(d1, d2, d3)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8) :: tmp
    if (d3 <= 38.0d0) then
        tmp = d1 * 37.0d0
    else
        tmp = d1 * d3
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3) {
	double tmp;
	if (d3 <= 38.0) {
		tmp = d1 * 37.0;
	} else {
		tmp = d1 * d3;
	}
	return tmp;
}

Python

def code(d1, d2, d3):
	tmp = 0
	if d3 <= 38.0:
		tmp = d1 * 37.0
	else:
		tmp = d1 * d3
	return tmp

Julia

function code(d1, d2, d3)
	tmp = 0.0
	if (d3 <= 38.0)
		tmp = Float64(d1 * 37.0);
	else
		tmp = Float64(d1 * d3);
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3)
	tmp = 0.0;
	if (d3 <= 38.0)
		tmp = d1 * 37.0;
	else
		tmp = d1 * d3;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_] := If[LessEqual[d3, 38.0], N[(d1 * 37.0), $MachinePrecision], N[(d1 * d3), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if d3 < 38

   1. Initial program 97.4%

      \[\left(d1 \cdot d2 + \left(d3 + 5\right) \cdot d1\right) + d1 \cdot 32 \]
   2. Step-by-step derivation

      1. *-commutative 97.4%

         \[\leadsto \left(d1 \cdot d2 + \color{blue}{d1 \cdot \left(d3 + 5\right)}\right) + d1 \cdot 32 \]

      2. distribute-lft-out 99.9%

         \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 5\right)\right)} + d1 \cdot 32 \]

      3. distribute-lft-out 100.0%

         \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + \left(d3 + 5\right)\right) + 32\right)} \]

      4. associate-+r+ 100.0%

         \[\leadsto d1 \cdot \color{blue}{\left(d2 + \left(\left(d3 + 5\right) + 32\right)\right)} \]

      5. associate-+l+ 100.0%

         \[\leadsto d1 \cdot \left(d2 + \color{blue}{\left(d3 + \left(5 + 32\right)\right)}\right) \]

      6. metadata-eval 100.0%

         \[\leadsto d1 \cdot \left(d2 + \left(d3 + \color{blue}{37}\right)\right) \]

   3. Simplified 100.0%

      \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 37\right)\right)} \]

   4. Taylor expanded in d2 around 0 63.2%

      \[\leadsto \color{blue}{\left(37 + d3\right) \cdot d1} \]

   5. Taylor expanded in d3 around 0 34.8%

      \[\leadsto \color{blue}{37 \cdot d1} \]

   if 38 < d3

   1. Initial program 95.1%

      \[\left(d1 \cdot d2 + \left(d3 + 5\right) \cdot d1\right) + d1 \cdot 32 \]
   2. Step-by-step derivation

      1. *-commutative 95.1%

         \[\leadsto \left(d1 \cdot d2 + \color{blue}{d1 \cdot \left(d3 + 5\right)}\right) + d1 \cdot 32 \]

      2. distribute-lft-out 100.0%

         \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 5\right)\right)} + d1 \cdot 32 \]

      3. distribute-lft-out 100.0%

         \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + \left(d3 + 5\right)\right) + 32\right)} \]

      4. associate-+r+ 100.0%

         \[\leadsto d1 \cdot \color{blue}{\left(d2 + \left(\left(d3 + 5\right) + 32\right)\right)} \]

      5. associate-+l+ 100.0%

         \[\leadsto d1 \cdot \left(d2 + \color{blue}{\left(d3 + \left(5 + 32\right)\right)}\right) \]

      6. metadata-eval 100.0%

         \[\leadsto d1 \cdot \left(d2 + \left(d3 + \color{blue}{37}\right)\right) \]

   3. Simplified 100.0%

      \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 37\right)\right)} \]

   4. Taylor expanded in d3 around inf 69.8%

      \[\leadsto \color{blue}{d1 \cdot d3} \]
3. Recombined 2 regimes into one program.

4. Final simplification 43.1%

   \[\leadsto \begin{array}{l} \mathbf{if}\;d3 \leq 38:\\ \;\;\;\;d1 \cdot 37\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot d3\\ \end{array} \]

Alternative 6: 26.4% accurate, 4.3× speedup

Math

\[\begin{array}{l} \\ d1 \cdot 37 \end{array} \]

FPCore

(FPCore (d1 d2 d3) :precision binary64 (* d1 37.0))

C

double code(double d1, double d2, double d3) {
	return d1 * 37.0;
}

Fortran

real(8) function code(d1, d2, d3)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    code = d1 * 37.0d0
end function

Java

public static double code(double d1, double d2, double d3) {
	return d1 * 37.0;
}

Python

def code(d1, d2, d3):
	return d1 * 37.0

Julia

function code(d1, d2, d3)
	return Float64(d1 * 37.0)
end

MATLAB

function tmp = code(d1, d2, d3)
	tmp = d1 * 37.0;
end

Wolfram

code[d1_, d2_, d3_] := N[(d1 * 37.0), $MachinePrecision]

Derivation

1. Initial program 96.8%

   \[\left(d1 \cdot d2 + \left(d3 + 5\right) \cdot d1\right) + d1 \cdot 32 \]
2. Step-by-step derivation

   1. *-commutative 96.8%

      \[\leadsto \left(d1 \cdot d2 + \color{blue}{d1 \cdot \left(d3 + 5\right)}\right) + d1 \cdot 32 \]

   2. distribute-lft-out 100.0%

      \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 5\right)\right)} + d1 \cdot 32 \]

   3. distribute-lft-out 100.0%

      \[\leadsto \color{blue}{d1 \cdot \left(\left(d2 + \left(d3 + 5\right)\right) + 32\right)} \]

   4. associate-+r+ 100.0%

      \[\leadsto d1 \cdot \color{blue}{\left(d2 + \left(\left(d3 + 5\right) + 32\right)\right)} \]

   5. associate-+l+ 100.0%

      \[\leadsto d1 \cdot \left(d2 + \color{blue}{\left(d3 + \left(5 + 32\right)\right)}\right) \]

   6. metadata-eval 100.0%

      \[\leadsto d1 \cdot \left(d2 + \left(d3 + \color{blue}{37}\right)\right) \]

3. Simplified 100.0%

   \[\leadsto \color{blue}{d1 \cdot \left(d2 + \left(d3 + 37\right)\right)} \]

4. Taylor expanded in d2 around 0 64.9%

   \[\leadsto \color{blue}{\left(37 + d3\right) \cdot d1} \]

5. Taylor expanded in d3 around 0 27.7%

   \[\leadsto \color{blue}{37 \cdot d1} \]

6. Final simplification 27.7%

   \[\leadsto d1 \cdot 37 \]

Developer target: 100.0% accurate, 1.9× speedup

Math

\[\begin{array}{l} \\ d1 \cdot \left(\left(37 + d3\right) + d2\right) \end{array} \]

FPCore

(FPCore (d1 d2 d3) :precision binary64 (* d1 (+ (+ 37.0 d3) d2)))

C

double code(double d1, double d2, double d3) {
	return d1 * ((37.0 + d3) + d2);
}

Fortran

real(8) function code(d1, d2, d3)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    code = d1 * ((37.0d0 + d3) + d2)
end function

Java

public static double code(double d1, double d2, double d3) {
	return d1 * ((37.0 + d3) + d2);
}

Python

def code(d1, d2, d3):
	return d1 * ((37.0 + d3) + d2)

Julia

function code(d1, d2, d3)
	return Float64(d1 * Float64(Float64(37.0 + d3) + d2))
end

MATLAB

function tmp = code(d1, d2, d3)
	tmp = d1 * ((37.0 + d3) + d2);
end

Wolfram

code[d1_, d2_, d3_] := N[(d1 * N[(N[(37.0 + d3), $MachinePrecision] + d2), $MachinePrecision]), $MachinePrecision]

Reproduce

herbie shell --seed 2023189 
(FPCore (d1 d2 d3)
  :name "FastMath dist3"
  :precision binary64

  :herbie-target
  (* d1 (+ (+ 37.0 d3) d2))

  (+ (+ (* d1 d2) (* (+ d3 5.0) d1)) (* d1 32.0)))