FastMath dist3

Percentage Accurate: 97.9% → 98.0%

Time: 3.7s

Alternatives: 7

Speedup: 1.9×

• 20.1% 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: 97.9% 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: 98.0% accurate, 1.4× speedup

Math

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

FPCore

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

C

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

Fortran

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

Java

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

Python

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

Julia

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

MATLAB

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

Wolfram

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

Derivation

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 0 100.0%

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

5. Final simplification 100.0%

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

Alternative 2: 51.9% accurate, 0.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d3 \leq -1.25 \cdot 10^{-255}:\\ \;\;\;\;d2 \cdot d1\\ \mathbf{elif}\;d3 \leq 2.25 \cdot 10^{-306}:\\ \;\;\;\;d1 \cdot 37\\ \mathbf{elif}\;d3 \leq 1.15 \cdot 10^{-269}:\\ \;\;\;\;d2 \cdot d1\\ \mathbf{elif}\;d3 \leq 3.6 \cdot 10^{-143}:\\ \;\;\;\;d1 \cdot 37\\ \mathbf{elif}\;d3 \leq 3.8 \cdot 10^{-131}:\\ \;\;\;\;d2 \cdot d1\\ \mathbf{elif}\;d3 \leq 35:\\ \;\;\;\;d1 \cdot 37\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot d3\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3)
 :precision binary64
 (if (<= d3 -1.25e-255)
   (* d2 d1)
   (if (<= d3 2.25e-306)
     (* d1 37.0)
     (if (<= d3 1.15e-269)
       (* d2 d1)
       (if (<= d3 3.6e-143)
         (* d1 37.0)
         (if (<= d3 3.8e-131)
           (* d2 d1)
           (if (<= d3 35.0) (* d1 37.0) (* d1 d3))))))))

C

double code(double d1, double d2, double d3) {
	double tmp;
	if (d3 <= -1.25e-255) {
		tmp = d2 * d1;
	} else if (d3 <= 2.25e-306) {
		tmp = d1 * 37.0;
	} else if (d3 <= 1.15e-269) {
		tmp = d2 * d1;
	} else if (d3 <= 3.6e-143) {
		tmp = d1 * 37.0;
	} else if (d3 <= 3.8e-131) {
		tmp = d2 * d1;
	} else if (d3 <= 35.0) {
		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 <= (-1.25d-255)) then
        tmp = d2 * d1
    else if (d3 <= 2.25d-306) then
        tmp = d1 * 37.0d0
    else if (d3 <= 1.15d-269) then
        tmp = d2 * d1
    else if (d3 <= 3.6d-143) then
        tmp = d1 * 37.0d0
    else if (d3 <= 3.8d-131) then
        tmp = d2 * d1
    else if (d3 <= 35.0d0) 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 <= -1.25e-255) {
		tmp = d2 * d1;
	} else if (d3 <= 2.25e-306) {
		tmp = d1 * 37.0;
	} else if (d3 <= 1.15e-269) {
		tmp = d2 * d1;
	} else if (d3 <= 3.6e-143) {
		tmp = d1 * 37.0;
	} else if (d3 <= 3.8e-131) {
		tmp = d2 * d1;
	} else if (d3 <= 35.0) {
		tmp = d1 * 37.0;
	} else {
		tmp = d1 * d3;
	}
	return tmp;
}

Python

def code(d1, d2, d3):
	tmp = 0
	if d3 <= -1.25e-255:
		tmp = d2 * d1
	elif d3 <= 2.25e-306:
		tmp = d1 * 37.0
	elif d3 <= 1.15e-269:
		tmp = d2 * d1
	elif d3 <= 3.6e-143:
		tmp = d1 * 37.0
	elif d3 <= 3.8e-131:
		tmp = d2 * d1
	elif d3 <= 35.0:
		tmp = d1 * 37.0
	else:
		tmp = d1 * d3
	return tmp

Julia

function code(d1, d2, d3)
	tmp = 0.0
	if (d3 <= -1.25e-255)
		tmp = Float64(d2 * d1);
	elseif (d3 <= 2.25e-306)
		tmp = Float64(d1 * 37.0);
	elseif (d3 <= 1.15e-269)
		tmp = Float64(d2 * d1);
	elseif (d3 <= 3.6e-143)
		tmp = Float64(d1 * 37.0);
	elseif (d3 <= 3.8e-131)
		tmp = Float64(d2 * d1);
	elseif (d3 <= 35.0)
		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 <= -1.25e-255)
		tmp = d2 * d1;
	elseif (d3 <= 2.25e-306)
		tmp = d1 * 37.0;
	elseif (d3 <= 1.15e-269)
		tmp = d2 * d1;
	elseif (d3 <= 3.6e-143)
		tmp = d1 * 37.0;
	elseif (d3 <= 3.8e-131)
		tmp = d2 * d1;
	elseif (d3 <= 35.0)
		tmp = d1 * 37.0;
	else
		tmp = d1 * d3;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_] := If[LessEqual[d3, -1.25e-255], N[(d2 * d1), $MachinePrecision], If[LessEqual[d3, 2.25e-306], N[(d1 * 37.0), $MachinePrecision], If[LessEqual[d3, 1.15e-269], N[(d2 * d1), $MachinePrecision], If[LessEqual[d3, 3.6e-143], N[(d1 * 37.0), $MachinePrecision], If[LessEqual[d3, 3.8e-131], N[(d2 * d1), $MachinePrecision], If[LessEqual[d3, 35.0], N[(d1 * 37.0), $MachinePrecision], N[(d1 * d3), $MachinePrecision]]]]]]]

Derivation

1. Split input into 3 regimes

2. if d3 < -1.2499999999999999e-255 or 2.25000000000000002e-306 < d3 < 1.15e-269 or 3.5999999999999998e-143 < d3 < 3.79999999999999995e-131

   1. Initial program 100.0%

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

      1. *-commutative 100.0%

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

      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 43.4%

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

   if -1.2499999999999999e-255 < d3 < 2.25000000000000002e-306 or 1.15e-269 < d3 < 3.5999999999999998e-143 or 3.79999999999999995e-131 < d3 < 35

   1. Initial program 99.8%

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

      1. *-commutative 99.8%

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

      2. distribute-lft-out 99.8%

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

      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 57.0%

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

   5. Taylor expanded in d3 around 0 57.0%

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

   if 35 < d3

   1. Initial program 100.0%

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

      1. *-commutative 100.0%

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

      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 75.8%

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

4. Final simplification 55.9%

   \[\leadsto \begin{array}{l} \mathbf{if}\;d3 \leq -1.25 \cdot 10^{-255}:\\ \;\;\;\;d2 \cdot d1\\ \mathbf{elif}\;d3 \leq 2.25 \cdot 10^{-306}:\\ \;\;\;\;d1 \cdot 37\\ \mathbf{elif}\;d3 \leq 1.15 \cdot 10^{-269}:\\ \;\;\;\;d2 \cdot d1\\ \mathbf{elif}\;d3 \leq 3.6 \cdot 10^{-143}:\\ \;\;\;\;d1 \cdot 37\\ \mathbf{elif}\;d3 \leq 3.8 \cdot 10^{-131}:\\ \;\;\;\;d2 \cdot d1\\ \mathbf{elif}\;d3 \leq 35:\\ \;\;\;\;d1 \cdot 37\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot d3\\ \end{array} \]

Alternative 3: 60.7% accurate, 1.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d3 \leq -3.2 \cdot 10^{-38}:\\ \;\;\;\;d1 \cdot d3\\ \mathbf{elif}\;d3 \leq 35:\\ \;\;\;\;d1 \cdot 37\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot d3\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3)
 :precision binary64
 (if (<= d3 -3.2e-38) (* d1 d3) (if (<= d3 35.0) (* d1 37.0) (* d1 d3))))

C

double code(double d1, double d2, double d3) {
	double tmp;
	if (d3 <= -3.2e-38) {
		tmp = d1 * d3;
	} else if (d3 <= 35.0) {
		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 <= (-3.2d-38)) then
        tmp = d1 * d3
    else if (d3 <= 35.0d0) 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 <= -3.2e-38) {
		tmp = d1 * d3;
	} else if (d3 <= 35.0) {
		tmp = d1 * 37.0;
	} else {
		tmp = d1 * d3;
	}
	return tmp;
}

Python

def code(d1, d2, d3):
	tmp = 0
	if d3 <= -3.2e-38:
		tmp = d1 * d3
	elif d3 <= 35.0:
		tmp = d1 * 37.0
	else:
		tmp = d1 * d3
	return tmp

Julia

function code(d1, d2, d3)
	tmp = 0.0
	if (d3 <= -3.2e-38)
		tmp = Float64(d1 * d3);
	elseif (d3 <= 35.0)
		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 <= -3.2e-38)
		tmp = d1 * d3;
	elseif (d3 <= 35.0)
		tmp = d1 * 37.0;
	else
		tmp = d1 * d3;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_] := If[LessEqual[d3, -3.2e-38], N[(d1 * d3), $MachinePrecision], If[LessEqual[d3, 35.0], N[(d1 * 37.0), $MachinePrecision], N[(d1 * d3), $MachinePrecision]]]

Derivation

1. Split input into 2 regimes

2. if d3 < -3.19999999999999977e-38 or 35 < d3

   1. Initial program 100.0%

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

      1. *-commutative 100.0%

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

      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 74.2%

      \[\leadsto \color{blue}{d1 \cdot d3} \]

   if -3.19999999999999977e-38 < d3 < 35

   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 52.7%

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

   5. Taylor expanded in d3 around 0 52.7%

      \[\leadsto \color{blue}{37 \cdot d1} \]
3. Recombined 2 regimes into one program.

4. Final simplification 62.9%

   \[\leadsto \begin{array}{l} \mathbf{if}\;d3 \leq -3.2 \cdot 10^{-38}:\\ \;\;\;\;d1 \cdot d3\\ \mathbf{elif}\;d3 \leq 35:\\ \;\;\;\;d1 \cdot 37\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot d3\\ \end{array} \]

Alternative 4: 76.7% accurate, 1.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d3 \leq 23000000000:\\ \;\;\;\;d1 \cdot \left(d2 + 37\right)\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot d3\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3)
 :precision binary64
 (if (<= d3 23000000000.0) (* d1 (+ d2 37.0)) (* d1 d3)))

C

double code(double d1, double d2, double d3) {
	double tmp;
	if (d3 <= 23000000000.0) {
		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 <= 23000000000.0d0) 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 <= 23000000000.0) {
		tmp = d1 * (d2 + 37.0);
	} else {
		tmp = d1 * d3;
	}
	return tmp;
}

Python

def code(d1, d2, d3):
	tmp = 0
	if d3 <= 23000000000.0:
		tmp = d1 * (d2 + 37.0)
	else:
		tmp = d1 * d3
	return tmp

Julia

function code(d1, d2, d3)
	tmp = 0.0
	if (d3 <= 23000000000.0)
		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 <= 23000000000.0)
		tmp = d1 * (d2 + 37.0);
	else
		tmp = d1 * d3;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_] := If[LessEqual[d3, 23000000000.0], N[(d1 * N[(d2 + 37.0), $MachinePrecision]), $MachinePrecision], N[(d1 * d3), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if d3 < 2.3e10

   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 d3 around 0 81.2%

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

   if 2.3e10 < d3

   1. Initial program 100.0%

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

      1. *-commutative 100.0%

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

      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 80.4%

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

4. Final simplification 81.0%

   \[\leadsto \begin{array}{l} \mathbf{if}\;d3 \leq 23000000000:\\ \;\;\;\;d1 \cdot \left(d2 + 37\right)\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot d3\\ \end{array} \]

Alternative 5: 82.0% accurate, 1.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d3 \leq 35:\\ \;\;\;\;d1 \cdot \left(d2 + 37\right)\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot \left(d2 + d3\right)\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3)
 :precision binary64
 (if (<= d3 35.0) (* d1 (+ d2 37.0)) (* d1 (+ d2 d3))))

C

double code(double d1, double d2, double d3) {
	double tmp;
	if (d3 <= 35.0) {
		tmp = d1 * (d2 + 37.0);
	} else {
		tmp = d1 * (d2 + 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 <= 35.0d0) then
        tmp = d1 * (d2 + 37.0d0)
    else
        tmp = d1 * (d2 + d3)
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3) {
	double tmp;
	if (d3 <= 35.0) {
		tmp = d1 * (d2 + 37.0);
	} else {
		tmp = d1 * (d2 + d3);
	}
	return tmp;
}

Python

def code(d1, d2, d3):
	tmp = 0
	if d3 <= 35.0:
		tmp = d1 * (d2 + 37.0)
	else:
		tmp = d1 * (d2 + d3)
	return tmp

Julia

function code(d1, d2, d3)
	tmp = 0.0
	if (d3 <= 35.0)
		tmp = Float64(d1 * Float64(d2 + 37.0));
	else
		tmp = Float64(d1 * Float64(d2 + d3));
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3)
	tmp = 0.0;
	if (d3 <= 35.0)
		tmp = d1 * (d2 + 37.0);
	else
		tmp = d1 * (d2 + d3);
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_] := If[LessEqual[d3, 35.0], N[(d1 * N[(d2 + 37.0), $MachinePrecision]), $MachinePrecision], N[(d1 * N[(d2 + d3), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if d3 < 35

   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 d3 around 0 81.6%

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

   if 35 < d3

   1. Initial program 100.0%

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

      1. *-commutative 100.0%

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

      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 0 100.0%

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

   5. Taylor expanded in d3 around inf 97.5%

      \[\leadsto d2 \cdot d1 + \color{blue}{d1 \cdot d3} \]

   6. Taylor expanded in d1 around 0 97.5%

      \[\leadsto \color{blue}{d1 \cdot \left(d2 + d3\right)} \]
   7. Step-by-step derivation

      1. +-commutative 97.5%

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

   8. Simplified 97.5%

      \[\leadsto \color{blue}{d1 \cdot \left(d3 + d2\right)} \]
3. Recombined 2 regimes into one program.

4. Final simplification 85.9%

   \[\leadsto \begin{array}{l} \mathbf{if}\;d3 \leq 35:\\ \;\;\;\;d1 \cdot \left(d2 + 37\right)\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot \left(d2 + d3\right)\\ \end{array} \]

Alternative 6: 100.0% accurate, 1.9× speedup

Math

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

FPCore

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

C

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

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 + (37.0d0 + d3))
end function

Java

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

Python

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

Julia

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

MATLAB

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

Wolfram

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

Derivation

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. Final simplification 100.0%

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

Alternative 7: 27.0% 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 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 66.0%

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

5. Taylor expanded in d3 around 0 31.0%

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

6. Final simplification 31.0%

   \[\leadsto d1 \cdot 37 \]

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 2023238 
(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)))