Numeric.SpecFunctions:invIncompleteBetaWorker from math-functions-0.1.5.2, I

Percentage Accurate: 94.3% → 96.7%

Time: 24.1s

Alternatives: 20

Speedup: 0.7×

Specification

Math

\[\begin{array}{l} \\ \frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (/
  x
  (+
   x
   (*
    y
    (exp
     (*
      2.0
      (-
       (/ (* z (sqrt (+ t a))) t)
       (* (- b c) (- (+ a (/ 5.0 6.0)) (/ 2.0 (* t 3.0)))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	return x / (x + (y * exp((2.0 * (((z * sqrt((t + a))) / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))));
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    code = x / (x + (y * exp((2.0d0 * (((z * sqrt((t + a))) / t) - ((b - c) * ((a + (5.0d0 / 6.0d0)) - (2.0d0 / (t * 3.0d0)))))))))
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	return x / (x + (y * Math.exp((2.0 * (((z * Math.sqrt((t + a))) / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))));
}

Python

def code(x, y, z, t, a, b, c):
	return x / (x + (y * math.exp((2.0 * (((z * math.sqrt((t + a))) / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))))

Julia

function code(x, y, z, t, a, b, c)
	return Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(Float64(z * sqrt(Float64(t + a))) / t) - Float64(Float64(b - c) * Float64(Float64(a + Float64(5.0 / 6.0)) - Float64(2.0 / Float64(t * 3.0))))))))))
end

MATLAB

function tmp = code(x, y, z, t, a, b, c)
	tmp = x / (x + (y * exp((2.0 * (((z * sqrt((t + a))) / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))));
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(N[(z * N[Sqrt[N[(t + a), $MachinePrecision]], $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision] - N[(N[(b - c), $MachinePrecision] * N[(N[(a + N[(5.0 / 6.0), $MachinePrecision]), $MachinePrecision] - N[(2.0 / N[(t * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]

Initial Program: 94.3% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (/
  x
  (+
   x
   (*
    y
    (exp
     (*
      2.0
      (-
       (/ (* z (sqrt (+ t a))) t)
       (* (- b c) (- (+ a (/ 5.0 6.0)) (/ 2.0 (* t 3.0)))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	return x / (x + (y * exp((2.0 * (((z * sqrt((t + a))) / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))));
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    code = x / (x + (y * exp((2.0d0 * (((z * sqrt((t + a))) / t) - ((b - c) * ((a + (5.0d0 / 6.0d0)) - (2.0d0 / (t * 3.0d0)))))))))
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	return x / (x + (y * Math.exp((2.0 * (((z * Math.sqrt((t + a))) / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))));
}

Python

def code(x, y, z, t, a, b, c):
	return x / (x + (y * math.exp((2.0 * (((z * math.sqrt((t + a))) / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))))

Julia

function code(x, y, z, t, a, b, c)
	return Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(Float64(z * sqrt(Float64(t + a))) / t) - Float64(Float64(b - c) * Float64(Float64(a + Float64(5.0 / 6.0)) - Float64(2.0 / Float64(t * 3.0))))))))))
end

MATLAB

function tmp = code(x, y, z, t, a, b, c)
	tmp = x / (x + (y * exp((2.0 * (((z * sqrt((t + a))) / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))));
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(N[(z * N[Sqrt[N[(t + a), $MachinePrecision]], $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision] - N[(N[(b - c), $MachinePrecision] * N[(N[(a + N[(5.0 / 6.0), $MachinePrecision]), $MachinePrecision] - N[(2.0 / N[(t * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]

Alternative 1: 96.7% accurate, 0.7× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := \frac{\sqrt{a + t} \cdot z}{t} + \left(c - b\right) \cdot \left(\left(0.8333333333333334 + a\right) - \frac{2}{t \cdot 3}\right)\\ \mathbf{if}\;t_1 \leq \infty:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot t_1}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{\left(c - b\right) \cdot 1.6666666666666667}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (let* ((t_1
         (+
          (/ (* (sqrt (+ a t)) z) t)
          (* (- c b) (- (+ 0.8333333333333334 a) (/ 2.0 (* t 3.0)))))))
   (if (<= t_1 INFINITY)
     (/ x (+ x (* y (exp (* 2.0 t_1)))))
     (/ x (+ x (* y (exp (* (- c b) 1.6666666666666667))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double t_1 = ((sqrt((a + t)) * z) / t) + ((c - b) * ((0.8333333333333334 + a) - (2.0 / (t * 3.0))));
	double tmp;
	if (t_1 <= ((double) INFINITY)) {
		tmp = x / (x + (y * exp((2.0 * t_1))));
	} else {
		tmp = x / (x + (y * exp(((c - b) * 1.6666666666666667))));
	}
	return tmp;
}

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double t_1 = ((Math.sqrt((a + t)) * z) / t) + ((c - b) * ((0.8333333333333334 + a) - (2.0 / (t * 3.0))));
	double tmp;
	if (t_1 <= Double.POSITIVE_INFINITY) {
		tmp = x / (x + (y * Math.exp((2.0 * t_1))));
	} else {
		tmp = x / (x + (y * Math.exp(((c - b) * 1.6666666666666667))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	t_1 = ((math.sqrt((a + t)) * z) / t) + ((c - b) * ((0.8333333333333334 + a) - (2.0 / (t * 3.0))))
	tmp = 0
	if t_1 <= math.inf:
		tmp = x / (x + (y * math.exp((2.0 * t_1))))
	else:
		tmp = x / (x + (y * math.exp(((c - b) * 1.6666666666666667))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	t_1 = Float64(Float64(Float64(sqrt(Float64(a + t)) * z) / t) + Float64(Float64(c - b) * Float64(Float64(0.8333333333333334 + a) - Float64(2.0 / Float64(t * 3.0)))))
	tmp = 0.0
	if (t_1 <= Inf)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * t_1)))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(Float64(c - b) * 1.6666666666666667)))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	t_1 = ((sqrt((a + t)) * z) / t) + ((c - b) * ((0.8333333333333334 + a) - (2.0 / (t * 3.0))));
	tmp = 0.0;
	if (t_1 <= Inf)
		tmp = x / (x + (y * exp((2.0 * t_1))));
	else
		tmp = x / (x + (y * exp(((c - b) * 1.6666666666666667))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := Block[{t$95$1 = N[(N[(N[(N[Sqrt[N[(a + t), $MachinePrecision]], $MachinePrecision] * z), $MachinePrecision] / t), $MachinePrecision] + N[(N[(c - b), $MachinePrecision] * N[(N[(0.8333333333333334 + a), $MachinePrecision] - N[(2.0 / N[(t * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]}, If[LessEqual[t$95$1, Infinity], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * t$95$1), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(N[(c - b), $MachinePrecision] * 1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]

Derivation

1. Split input into 2 regimes

2. if (-.f64 (/.f64 (*.f64 z (sqrt.f64 (+.f64 t a))) t) (*.f64 (-.f64 b c) (-.f64 (+.f64 a (/.f64 5 6)) (/.f64 2 (*.f64 t 3))))) < +inf.0

   1. Initial program 99.2%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   if +inf.0 < (-.f64 (/.f64 (*.f64 z (sqrt.f64 (+.f64 t a))) t) (*.f64 (-.f64 b c) (-.f64 (+.f64 a (/.f64 5 6)) (/.f64 2 (*.f64 t 3)))))

   1. Initial program 0.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in t around inf 80.6%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-1 \cdot \left(\left(0.8333333333333334 + a\right) \cdot \left(b - c\right)\right)\right)}}} \]
   3. Step-by-step derivation

      1. +-commutative 80.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-1 \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} \cdot \left(b - c\right)\right)\right)}} \]

      2. *-commutative 80.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-1 \cdot \color{blue}{\left(\left(b - c\right) \cdot \left(a + 0.8333333333333334\right)\right)}\right)}} \]

      3. associate-*r* 80.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\left(-1 \cdot \left(b - c\right)\right) \cdot \left(a + 0.8333333333333334\right)\right)}}} \]

      4. neg-mul-1 80.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(-\left(b - c\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      5. neg-sub0 80.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(0 - \left(b - c\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      6. associate--r- 80.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(\left(0 - b\right) + c\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      7. neg-sub0 80.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\left(\color{blue}{\left(-b\right)} + c\right) \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      8. +-commutative 80.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(c + \left(-b\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      9. sub-neg 80.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(c - b\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

   4. Simplified 80.6%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\left(c - b\right) \cdot \left(a + 0.8333333333333334\right)\right)}}} \]

   5. Taylor expanded in a around 0 80.6%

      \[\leadsto \frac{x}{x + \color{blue}{y \cdot e^{1.6666666666666667 \cdot \left(c - b\right)}}} \]
3. Recombined 2 regimes into one program.

4. Final simplification 98.5%

   \[\leadsto \begin{array}{l} \mathbf{if}\;\frac{\sqrt{a + t} \cdot z}{t} + \left(c - b\right) \cdot \left(\left(0.8333333333333334 + a\right) - \frac{2}{t \cdot 3}\right) \leq \infty:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{\sqrt{a + t} \cdot z}{t} + \left(c - b\right) \cdot \left(\left(0.8333333333333334 + a\right) - \frac{2}{t \cdot 3}\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{\left(c - b\right) \cdot 1.6666666666666667}}\\ \end{array} \]

Alternative 2: 97.6% accurate, 0.4× speedup

Math

\[\begin{array}{l} \\ \frac{x}{\mathsf{fma}\left(y, {\left(e^{2}\right)}^{\left(\mathsf{fma}\left(0.8333333333333334 + \left(a - \frac{0.6666666666666666}{t}\right), c - b, \sqrt{a + t} \cdot \frac{z}{t}\right)\right)}, x\right)} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (/
  x
  (fma
   y
   (pow
    (exp 2.0)
    (fma
     (+ 0.8333333333333334 (- a (/ 0.6666666666666666 t)))
     (- c b)
     (* (sqrt (+ a t)) (/ z t))))
   x)))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	return x / fma(y, pow(exp(2.0), fma((0.8333333333333334 + (a - (0.6666666666666666 / t))), (c - b), (sqrt((a + t)) * (z / t)))), x);
}

Julia

function code(x, y, z, t, a, b, c)
	return Float64(x / fma(y, (exp(2.0) ^ fma(Float64(0.8333333333333334 + Float64(a - Float64(0.6666666666666666 / t))), Float64(c - b), Float64(sqrt(Float64(a + t)) * Float64(z / t)))), x))
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := N[(x / N[(y * N[Power[N[Exp[2.0], $MachinePrecision], N[(N[(0.8333333333333334 + N[(a - N[(0.6666666666666666 / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] * N[(c - b), $MachinePrecision] + N[(N[Sqrt[N[(a + t), $MachinePrecision]], $MachinePrecision] * N[(z / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision] + x), $MachinePrecision]), $MachinePrecision]

Derivation

1. Initial program 95.3%

   \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
2. Step-by-step derivation

   1. +-commutative 95.3%

      \[\leadsto \frac{x}{\color{blue}{y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)} + x}} \]

   2. fma-def 95.3%

      \[\leadsto \frac{x}{\color{blue}{\mathsf{fma}\left(y, e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}, x\right)}} \]

3. Simplified 97.4%

   \[\leadsto \color{blue}{\frac{x}{\mathsf{fma}\left(y, {\left(e^{2}\right)}^{\left(\mathsf{fma}\left(0.8333333333333334 + \left(a - \frac{0.6666666666666666}{t}\right), c - b, \sqrt{t + a} \cdot \frac{z}{t}\right)\right)}, x\right)}} \]

4. Final simplification 97.4%

   \[\leadsto \frac{x}{\mathsf{fma}\left(y, {\left(e^{2}\right)}^{\left(\mathsf{fma}\left(0.8333333333333334 + \left(a - \frac{0.6666666666666666}{t}\right), c - b, \sqrt{a + t} \cdot \frac{z}{t}\right)\right)}, x\right)} \]

Alternative 3: 90.4% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq -160:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \mathbf{elif}\;t \leq 2 \cdot 10^{-180}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{z \cdot \sqrt{a} + \left(c - b\right) \cdot -0.6666666666666666}{t}}}\\ \mathbf{elif}\;t \leq 10^{+106}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(z \cdot \sqrt{\frac{1}{t}} + \left(c - b\right) \cdot \left(0.8333333333333334 + 0.6666666666666666 \cdot \frac{-1}{t}\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\left(c - b\right) \cdot \left(0.8333333333333334 + a\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t -160.0)
   (/ x (+ x (* y (exp (* 2.0 (* a (- c b)))))))
   (if (<= t 2e-180)
     (/
      x
      (+
       x
       (*
        y
        (exp
         (* 2.0 (/ (+ (* z (sqrt a)) (* (- c b) -0.6666666666666666)) t))))))
     (if (<= t 1e+106)
       (/
        x
        (+
         x
         (*
          y
          (exp
           (*
            2.0
            (+
             (* z (sqrt (/ 1.0 t)))
             (*
              (- c b)
              (+ 0.8333333333333334 (* 0.6666666666666666 (/ -1.0 t))))))))))
       (/ x (+ x (* y (exp (* 2.0 (* (- c b) (+ 0.8333333333333334 a)))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= -160.0) {
		tmp = x / (x + (y * exp((2.0 * (a * (c - b))))));
	} else if (t <= 2e-180) {
		tmp = x / (x + (y * exp((2.0 * (((z * sqrt(a)) + ((c - b) * -0.6666666666666666)) / t)))));
	} else if (t <= 1e+106) {
		tmp = x / (x + (y * exp((2.0 * ((z * sqrt((1.0 / t))) + ((c - b) * (0.8333333333333334 + (0.6666666666666666 * (-1.0 / t)))))))));
	} else {
		tmp = x / (x + (y * exp((2.0 * ((c - b) * (0.8333333333333334 + a))))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (t <= (-160.0d0)) then
        tmp = x / (x + (y * exp((2.0d0 * (a * (c - b))))))
    else if (t <= 2d-180) then
        tmp = x / (x + (y * exp((2.0d0 * (((z * sqrt(a)) + ((c - b) * (-0.6666666666666666d0))) / t)))))
    else if (t <= 1d+106) then
        tmp = x / (x + (y * exp((2.0d0 * ((z * sqrt((1.0d0 / t))) + ((c - b) * (0.8333333333333334d0 + (0.6666666666666666d0 * ((-1.0d0) / t)))))))))
    else
        tmp = x / (x + (y * exp((2.0d0 * ((c - b) * (0.8333333333333334d0 + a))))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= -160.0) {
		tmp = x / (x + (y * Math.exp((2.0 * (a * (c - b))))));
	} else if (t <= 2e-180) {
		tmp = x / (x + (y * Math.exp((2.0 * (((z * Math.sqrt(a)) + ((c - b) * -0.6666666666666666)) / t)))));
	} else if (t <= 1e+106) {
		tmp = x / (x + (y * Math.exp((2.0 * ((z * Math.sqrt((1.0 / t))) + ((c - b) * (0.8333333333333334 + (0.6666666666666666 * (-1.0 / t)))))))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * ((c - b) * (0.8333333333333334 + a))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= -160.0:
		tmp = x / (x + (y * math.exp((2.0 * (a * (c - b))))))
	elif t <= 2e-180:
		tmp = x / (x + (y * math.exp((2.0 * (((z * math.sqrt(a)) + ((c - b) * -0.6666666666666666)) / t)))))
	elif t <= 1e+106:
		tmp = x / (x + (y * math.exp((2.0 * ((z * math.sqrt((1.0 / t))) + ((c - b) * (0.8333333333333334 + (0.6666666666666666 * (-1.0 / t)))))))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * ((c - b) * (0.8333333333333334 + a))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= -160.0)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(a * Float64(c - b)))))));
	elseif (t <= 2e-180)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(Float64(z * sqrt(a)) + Float64(Float64(c - b) * -0.6666666666666666)) / t))))));
	elseif (t <= 1e+106)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(z * sqrt(Float64(1.0 / t))) + Float64(Float64(c - b) * Float64(0.8333333333333334 + Float64(0.6666666666666666 * Float64(-1.0 / t))))))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(c - b) * Float64(0.8333333333333334 + a)))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (t <= -160.0)
		tmp = x / (x + (y * exp((2.0 * (a * (c - b))))));
	elseif (t <= 2e-180)
		tmp = x / (x + (y * exp((2.0 * (((z * sqrt(a)) + ((c - b) * -0.6666666666666666)) / t)))));
	elseif (t <= 1e+106)
		tmp = x / (x + (y * exp((2.0 * ((z * sqrt((1.0 / t))) + ((c - b) * (0.8333333333333334 + (0.6666666666666666 * (-1.0 / t)))))))));
	else
		tmp = x / (x + (y * exp((2.0 * ((c - b) * (0.8333333333333334 + a))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, -160.0], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(a * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 2e-180], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(N[(z * N[Sqrt[a], $MachinePrecision]), $MachinePrecision] + N[(N[(c - b), $MachinePrecision] * -0.6666666666666666), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 1e+106], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(z * N[Sqrt[N[(1.0 / t), $MachinePrecision]], $MachinePrecision]), $MachinePrecision] + N[(N[(c - b), $MachinePrecision] * N[(0.8333333333333334 + N[(0.6666666666666666 * N[(-1.0 / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(c - b), $MachinePrecision] * N[(0.8333333333333334 + a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]

Derivation

1. Split input into 4 regimes

2. if t < -160

   1. Initial program 100.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around inf 100.0%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

   if -160 < t < 2e-180

   1. Initial program 93.2%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in t around 0 94.4%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\frac{\sqrt{a} \cdot z - -0.6666666666666666 \cdot \left(b - c\right)}{t}}}} \]

   if 2e-180 < t < 1.00000000000000009e106

   1. Initial program 97.6%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around 0 91.8%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\sqrt{\frac{1}{t}} \cdot z - \left(0.8333333333333334 - 0.6666666666666666 \cdot \frac{1}{t}\right) \cdot \left(b - c\right)\right)}}} \]

   if 1.00000000000000009e106 < t

   1. Initial program 94.2%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in t around inf 95.7%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-1 \cdot \left(\left(0.8333333333333334 + a\right) \cdot \left(b - c\right)\right)\right)}}} \]
   3. Step-by-step derivation

      1. +-commutative 95.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-1 \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} \cdot \left(b - c\right)\right)\right)}} \]

      2. *-commutative 95.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-1 \cdot \color{blue}{\left(\left(b - c\right) \cdot \left(a + 0.8333333333333334\right)\right)}\right)}} \]

      3. associate-*r* 95.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\left(-1 \cdot \left(b - c\right)\right) \cdot \left(a + 0.8333333333333334\right)\right)}}} \]

      4. neg-mul-1 95.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(-\left(b - c\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      5. neg-sub0 95.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(0 - \left(b - c\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      6. associate--r- 95.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(\left(0 - b\right) + c\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      7. neg-sub0 95.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\left(\color{blue}{\left(-b\right)} + c\right) \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      8. +-commutative 95.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(c + \left(-b\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      9. sub-neg 95.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(c - b\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

   4. Simplified 95.7%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\left(c - b\right) \cdot \left(a + 0.8333333333333334\right)\right)}}} \]
3. Recombined 4 regimes into one program.

4. Final simplification 94.3%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq -160:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \mathbf{elif}\;t \leq 2 \cdot 10^{-180}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{z \cdot \sqrt{a} + \left(c - b\right) \cdot -0.6666666666666666}{t}}}\\ \mathbf{elif}\;t \leq 10^{+106}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(z \cdot \sqrt{\frac{1}{t}} + \left(c - b\right) \cdot \left(0.8333333333333334 + 0.6666666666666666 \cdot \frac{-1}{t}\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\left(c - b\right) \cdot \left(0.8333333333333334 + a\right)\right)}}\\ \end{array} \]

Alternative 4: 86.2% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq -20:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \mathbf{elif}\;t \leq 1.9 \cdot 10^{-189}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{z \cdot \sqrt{a} + \left(c - b\right) \cdot -0.6666666666666666}{t}}}\\ \mathbf{elif}\;t \leq 2.9 \cdot 10^{-89}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \frac{0.6666666666666666}{t}\right)\right)}}\\ \mathbf{elif}\;t \leq 0.0052:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\left(c - b\right) \cdot \left(0.8333333333333334 + a\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t -20.0)
   (/ x (+ x (* y (exp (* 2.0 (* a (- c b)))))))
   (if (<= t 1.9e-189)
     (/
      x
      (+
       x
       (*
        y
        (exp
         (* 2.0 (/ (+ (* z (sqrt a)) (* (- c b) -0.6666666666666666)) t))))))
     (if (<= t 2.9e-89)
       (/
        x
        (+
         x
         (*
          y
          (exp
           (*
            2.0
            (* c (- (+ 0.8333333333333334 a) (/ 0.6666666666666666 t))))))))
       (if (<= t 0.0052)
         (/
          x
          (+
           x
           (*
            y
            (exp
             (*
              2.0
              (* b (- (/ 0.6666666666666666 t) (+ 0.8333333333333334 a))))))))
         (/
          x
          (+ x (* y (exp (* 2.0 (* (- c b) (+ 0.8333333333333334 a))))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= -20.0) {
		tmp = x / (x + (y * exp((2.0 * (a * (c - b))))));
	} else if (t <= 1.9e-189) {
		tmp = x / (x + (y * exp((2.0 * (((z * sqrt(a)) + ((c - b) * -0.6666666666666666)) / t)))));
	} else if (t <= 2.9e-89) {
		tmp = x / (x + (y * exp((2.0 * (c * ((0.8333333333333334 + a) - (0.6666666666666666 / t)))))));
	} else if (t <= 0.0052) {
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (0.8333333333333334 + a)))))));
	} else {
		tmp = x / (x + (y * exp((2.0 * ((c - b) * (0.8333333333333334 + a))))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (t <= (-20.0d0)) then
        tmp = x / (x + (y * exp((2.0d0 * (a * (c - b))))))
    else if (t <= 1.9d-189) then
        tmp = x / (x + (y * exp((2.0d0 * (((z * sqrt(a)) + ((c - b) * (-0.6666666666666666d0))) / t)))))
    else if (t <= 2.9d-89) then
        tmp = x / (x + (y * exp((2.0d0 * (c * ((0.8333333333333334d0 + a) - (0.6666666666666666d0 / t)))))))
    else if (t <= 0.0052d0) then
        tmp = x / (x + (y * exp((2.0d0 * (b * ((0.6666666666666666d0 / t) - (0.8333333333333334d0 + a)))))))
    else
        tmp = x / (x + (y * exp((2.0d0 * ((c - b) * (0.8333333333333334d0 + a))))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= -20.0) {
		tmp = x / (x + (y * Math.exp((2.0 * (a * (c - b))))));
	} else if (t <= 1.9e-189) {
		tmp = x / (x + (y * Math.exp((2.0 * (((z * Math.sqrt(a)) + ((c - b) * -0.6666666666666666)) / t)))));
	} else if (t <= 2.9e-89) {
		tmp = x / (x + (y * Math.exp((2.0 * (c * ((0.8333333333333334 + a) - (0.6666666666666666 / t)))))));
	} else if (t <= 0.0052) {
		tmp = x / (x + (y * Math.exp((2.0 * (b * ((0.6666666666666666 / t) - (0.8333333333333334 + a)))))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * ((c - b) * (0.8333333333333334 + a))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= -20.0:
		tmp = x / (x + (y * math.exp((2.0 * (a * (c - b))))))
	elif t <= 1.9e-189:
		tmp = x / (x + (y * math.exp((2.0 * (((z * math.sqrt(a)) + ((c - b) * -0.6666666666666666)) / t)))))
	elif t <= 2.9e-89:
		tmp = x / (x + (y * math.exp((2.0 * (c * ((0.8333333333333334 + a) - (0.6666666666666666 / t)))))))
	elif t <= 0.0052:
		tmp = x / (x + (y * math.exp((2.0 * (b * ((0.6666666666666666 / t) - (0.8333333333333334 + a)))))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * ((c - b) * (0.8333333333333334 + a))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= -20.0)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(a * Float64(c - b)))))));
	elseif (t <= 1.9e-189)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(Float64(z * sqrt(a)) + Float64(Float64(c - b) * -0.6666666666666666)) / t))))));
	elseif (t <= 2.9e-89)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(c * Float64(Float64(0.8333333333333334 + a) - Float64(0.6666666666666666 / t))))))));
	elseif (t <= 0.0052)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(b * Float64(Float64(0.6666666666666666 / t) - Float64(0.8333333333333334 + a))))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(c - b) * Float64(0.8333333333333334 + a)))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (t <= -20.0)
		tmp = x / (x + (y * exp((2.0 * (a * (c - b))))));
	elseif (t <= 1.9e-189)
		tmp = x / (x + (y * exp((2.0 * (((z * sqrt(a)) + ((c - b) * -0.6666666666666666)) / t)))));
	elseif (t <= 2.9e-89)
		tmp = x / (x + (y * exp((2.0 * (c * ((0.8333333333333334 + a) - (0.6666666666666666 / t)))))));
	elseif (t <= 0.0052)
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (0.8333333333333334 + a)))))));
	else
		tmp = x / (x + (y * exp((2.0 * ((c - b) * (0.8333333333333334 + a))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, -20.0], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(a * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 1.9e-189], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(N[(z * N[Sqrt[a], $MachinePrecision]), $MachinePrecision] + N[(N[(c - b), $MachinePrecision] * -0.6666666666666666), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 2.9e-89], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(c * N[(N[(0.8333333333333334 + a), $MachinePrecision] - N[(0.6666666666666666 / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 0.0052], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(b * N[(N[(0.6666666666666666 / t), $MachinePrecision] - N[(0.8333333333333334 + a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(c - b), $MachinePrecision] * N[(0.8333333333333334 + a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]]

Derivation

1. Split input into 5 regimes

2. if t < -20

   1. Initial program 100.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around inf 100.0%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

   if -20 < t < 1.90000000000000011e-189

   1. Initial program 92.9%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in t around 0 95.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\frac{\sqrt{a} \cdot z - -0.6666666666666666 \cdot \left(b - c\right)}{t}}}} \]

   if 1.90000000000000011e-189 < t < 2.89999999999999992e-89

   1. Initial program 95.7%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in c around inf 84.6%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}}} \]
   3. Step-by-step derivation

      1. associate-*r/ 84.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)}} \]

      2. metadata-eval 84.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)}} \]

      3. +-commutative 84.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} - \frac{0.6666666666666666}{t}\right)\right)}} \]

   4. Simplified 84.6%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}} \]

   if 2.89999999999999992e-89 < t < 0.0051999999999999998

   1. Initial program 100.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in b around inf 89.7%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   3. Step-by-step derivation

      1. associate-*r/ 89.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

      2. metadata-eval 89.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{\color{blue}{0.6666666666666666}}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

      3. +-commutative 89.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \color{blue}{\left(a + 0.8333333333333334\right)}\right)\right)}} \]

   4. Simplified 89.7%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}} \]

   if 0.0051999999999999998 < t

   1. Initial program 95.6%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in t around inf 87.2%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-1 \cdot \left(\left(0.8333333333333334 + a\right) \cdot \left(b - c\right)\right)\right)}}} \]
   3. Step-by-step derivation

      1. +-commutative 87.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-1 \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} \cdot \left(b - c\right)\right)\right)}} \]

      2. *-commutative 87.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-1 \cdot \color{blue}{\left(\left(b - c\right) \cdot \left(a + 0.8333333333333334\right)\right)}\right)}} \]

      3. associate-*r* 87.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\left(-1 \cdot \left(b - c\right)\right) \cdot \left(a + 0.8333333333333334\right)\right)}}} \]

      4. neg-mul-1 87.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(-\left(b - c\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      5. neg-sub0 87.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(0 - \left(b - c\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      6. associate--r- 87.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(\left(0 - b\right) + c\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      7. neg-sub0 87.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\left(\color{blue}{\left(-b\right)} + c\right) \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      8. +-commutative 87.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(c + \left(-b\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      9. sub-neg 87.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(c - b\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

   4. Simplified 87.2%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\left(c - b\right) \cdot \left(a + 0.8333333333333334\right)\right)}}} \]
3. Recombined 5 regimes into one program.

4. Final simplification 90.7%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq -20:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \mathbf{elif}\;t \leq 1.9 \cdot 10^{-189}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{z \cdot \sqrt{a} + \left(c - b\right) \cdot -0.6666666666666666}{t}}}\\ \mathbf{elif}\;t \leq 2.9 \cdot 10^{-89}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \frac{0.6666666666666666}{t}\right)\right)}}\\ \mathbf{elif}\;t \leq 0.0052:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\left(c - b\right) \cdot \left(0.8333333333333334 + a\right)\right)}}\\ \end{array} \]

Alternative 5: 82.2% accurate, 1.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq -500:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \mathbf{elif}\;t \leq 1.5 \cdot 10^{-189}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 1.25 \cdot 10^{-89}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \frac{0.6666666666666666}{t}\right)\right)}}\\ \mathbf{elif}\;t \leq 10^{-5}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\left(c - b\right) \cdot \left(0.8333333333333334 + a\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t -500.0)
   (/ x (+ x (* y (exp (* 2.0 (* a (- c b)))))))
   (if (<= t 1.5e-189)
     (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
     (if (<= t 1.25e-89)
       (/
        x
        (+
         x
         (*
          y
          (exp
           (*
            2.0
            (* c (- (+ 0.8333333333333334 a) (/ 0.6666666666666666 t))))))))
       (if (<= t 1e-5)
         (/
          x
          (+
           x
           (*
            y
            (exp
             (*
              2.0
              (* b (- (/ 0.6666666666666666 t) (+ 0.8333333333333334 a))))))))
         (/
          x
          (+ x (* y (exp (* 2.0 (* (- c b) (+ 0.8333333333333334 a))))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= -500.0) {
		tmp = x / (x + (y * exp((2.0 * (a * (c - b))))));
	} else if (t <= 1.5e-189) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else if (t <= 1.25e-89) {
		tmp = x / (x + (y * exp((2.0 * (c * ((0.8333333333333334 + a) - (0.6666666666666666 / t)))))));
	} else if (t <= 1e-5) {
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (0.8333333333333334 + a)))))));
	} else {
		tmp = x / (x + (y * exp((2.0 * ((c - b) * (0.8333333333333334 + a))))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (t <= (-500.0d0)) then
        tmp = x / (x + (y * exp((2.0d0 * (a * (c - b))))))
    else if (t <= 1.5d-189) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else if (t <= 1.25d-89) then
        tmp = x / (x + (y * exp((2.0d0 * (c * ((0.8333333333333334d0 + a) - (0.6666666666666666d0 / t)))))))
    else if (t <= 1d-5) then
        tmp = x / (x + (y * exp((2.0d0 * (b * ((0.6666666666666666d0 / t) - (0.8333333333333334d0 + a)))))))
    else
        tmp = x / (x + (y * exp((2.0d0 * ((c - b) * (0.8333333333333334d0 + a))))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= -500.0) {
		tmp = x / (x + (y * Math.exp((2.0 * (a * (c - b))))));
	} else if (t <= 1.5e-189) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else if (t <= 1.25e-89) {
		tmp = x / (x + (y * Math.exp((2.0 * (c * ((0.8333333333333334 + a) - (0.6666666666666666 / t)))))));
	} else if (t <= 1e-5) {
		tmp = x / (x + (y * Math.exp((2.0 * (b * ((0.6666666666666666 / t) - (0.8333333333333334 + a)))))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * ((c - b) * (0.8333333333333334 + a))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= -500.0:
		tmp = x / (x + (y * math.exp((2.0 * (a * (c - b))))))
	elif t <= 1.5e-189:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	elif t <= 1.25e-89:
		tmp = x / (x + (y * math.exp((2.0 * (c * ((0.8333333333333334 + a) - (0.6666666666666666 / t)))))))
	elif t <= 1e-5:
		tmp = x / (x + (y * math.exp((2.0 * (b * ((0.6666666666666666 / t) - (0.8333333333333334 + a)))))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * ((c - b) * (0.8333333333333334 + a))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= -500.0)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(a * Float64(c - b)))))));
	elseif (t <= 1.5e-189)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.3333333333333333 * Float64(Float64(b - c) / t))))));
	elseif (t <= 1.25e-89)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(c * Float64(Float64(0.8333333333333334 + a) - Float64(0.6666666666666666 / t))))))));
	elseif (t <= 1e-5)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(b * Float64(Float64(0.6666666666666666 / t) - Float64(0.8333333333333334 + a))))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(c - b) * Float64(0.8333333333333334 + a)))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (t <= -500.0)
		tmp = x / (x + (y * exp((2.0 * (a * (c - b))))));
	elseif (t <= 1.5e-189)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	elseif (t <= 1.25e-89)
		tmp = x / (x + (y * exp((2.0 * (c * ((0.8333333333333334 + a) - (0.6666666666666666 / t)))))));
	elseif (t <= 1e-5)
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (0.8333333333333334 + a)))))));
	else
		tmp = x / (x + (y * exp((2.0 * ((c - b) * (0.8333333333333334 + a))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, -500.0], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(a * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 1.5e-189], N[(x / N[(x + N[(y * N[Exp[N[(1.3333333333333333 * N[(N[(b - c), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 1.25e-89], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(c * N[(N[(0.8333333333333334 + a), $MachinePrecision] - N[(0.6666666666666666 / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 1e-5], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(b * N[(N[(0.6666666666666666 / t), $MachinePrecision] - N[(0.8333333333333334 + a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(c - b), $MachinePrecision] * N[(0.8333333333333334 + a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]]

Derivation

1. Split input into 5 regimes

2. if t < -500

   1. Initial program 100.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around inf 100.0%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

   if -500 < t < 1.5e-189

   1. Initial program 92.9%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in t around 0 95.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\frac{\sqrt{a} \cdot z - -0.6666666666666666 \cdot \left(b - c\right)}{t}}}} \]

   3. Taylor expanded in a around 0 76.9%

      \[\leadsto \frac{x}{x + \color{blue}{y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}} \]

   if 1.5e-189 < t < 1.24999999999999992e-89

   1. Initial program 95.7%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in c around inf 84.6%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}}} \]
   3. Step-by-step derivation

      1. associate-*r/ 84.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)}} \]

      2. metadata-eval 84.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)}} \]

      3. +-commutative 84.6%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} - \frac{0.6666666666666666}{t}\right)\right)}} \]

   4. Simplified 84.6%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}} \]

   if 1.24999999999999992e-89 < t < 1.00000000000000008e-5

   1. Initial program 100.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in b around inf 89.7%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}} \]
   3. Step-by-step derivation

      1. associate-*r/ 89.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

      2. metadata-eval 89.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{\color{blue}{0.6666666666666666}}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

      3. +-commutative 89.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \color{blue}{\left(a + 0.8333333333333334\right)}\right)\right)}} \]

   4. Simplified 89.7%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}} \]

   if 1.00000000000000008e-5 < t

   1. Initial program 95.6%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in t around inf 87.2%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-1 \cdot \left(\left(0.8333333333333334 + a\right) \cdot \left(b - c\right)\right)\right)}}} \]
   3. Step-by-step derivation

      1. +-commutative 87.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-1 \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} \cdot \left(b - c\right)\right)\right)}} \]

      2. *-commutative 87.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-1 \cdot \color{blue}{\left(\left(b - c\right) \cdot \left(a + 0.8333333333333334\right)\right)}\right)}} \]

      3. associate-*r* 87.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\left(-1 \cdot \left(b - c\right)\right) \cdot \left(a + 0.8333333333333334\right)\right)}}} \]

      4. neg-mul-1 87.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(-\left(b - c\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      5. neg-sub0 87.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(0 - \left(b - c\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      6. associate--r- 87.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(\left(0 - b\right) + c\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      7. neg-sub0 87.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\left(\color{blue}{\left(-b\right)} + c\right) \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      8. +-commutative 87.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(c + \left(-b\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      9. sub-neg 87.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(c - b\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

   4. Simplified 87.2%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\left(c - b\right) \cdot \left(a + 0.8333333333333334\right)\right)}}} \]
3. Recombined 5 regimes into one program.

4. Final simplification 84.6%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq -500:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \mathbf{elif}\;t \leq 1.5 \cdot 10^{-189}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 1.25 \cdot 10^{-89}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \frac{0.6666666666666666}{t}\right)\right)}}\\ \mathbf{elif}\;t \leq 10^{-5}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\left(c - b\right) \cdot \left(0.8333333333333334 + a\right)\right)}}\\ \end{array} \]

Alternative 6: 60.6% accurate, 1.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := \frac{x}{y \cdot e^{\left(c - b\right) \cdot 1.6666666666666667}}\\ \mathbf{if}\;b - c \leq -5 \cdot 10^{+128}:\\ \;\;\;\;t_1\\ \mathbf{elif}\;b - c \leq -2 \cdot 10^{+84}:\\ \;\;\;\;1\\ \mathbf{elif}\;b - c \leq -3 \cdot 10^{+28}:\\ \;\;\;\;t_1\\ \mathbf{elif}\;b - c \leq 10^{-248}:\\ \;\;\;\;1\\ \mathbf{elif}\;b - c \leq 5 \cdot 10^{-40}:\\ \;\;\;\;\frac{x}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) + 0.6666666666666666 \cdot \frac{-1}{t}\right)\right)\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (let* ((t_1 (/ x (* y (exp (* (- c b) 1.6666666666666667))))))
   (if (<= (- b c) -5e+128)
     t_1
     (if (<= (- b c) -2e+84)
       1.0
       (if (<= (- b c) -3e+28)
         t_1
         (if (<= (- b c) 1e-248)
           1.0
           (if (<= (- b c) 5e-40)
             (/
              x
              (+
               x
               (+
                y
                (*
                 2.0
                 (*
                  c
                  (*
                   y
                   (+
                    (+ 0.8333333333333334 a)
                    (* 0.6666666666666666 (/ -1.0 t)))))))))
             1.0)))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double t_1 = x / (y * exp(((c - b) * 1.6666666666666667)));
	double tmp;
	if ((b - c) <= -5e+128) {
		tmp = t_1;
	} else if ((b - c) <= -2e+84) {
		tmp = 1.0;
	} else if ((b - c) <= -3e+28) {
		tmp = t_1;
	} else if ((b - c) <= 1e-248) {
		tmp = 1.0;
	} else if ((b - c) <= 5e-40) {
		tmp = x / (x + (y + (2.0 * (c * (y * ((0.8333333333333334 + a) + (0.6666666666666666 * (-1.0 / t))))))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: t_1
    real(8) :: tmp
    t_1 = x / (y * exp(((c - b) * 1.6666666666666667d0)))
    if ((b - c) <= (-5d+128)) then
        tmp = t_1
    else if ((b - c) <= (-2d+84)) then
        tmp = 1.0d0
    else if ((b - c) <= (-3d+28)) then
        tmp = t_1
    else if ((b - c) <= 1d-248) then
        tmp = 1.0d0
    else if ((b - c) <= 5d-40) then
        tmp = x / (x + (y + (2.0d0 * (c * (y * ((0.8333333333333334d0 + a) + (0.6666666666666666d0 * ((-1.0d0) / t))))))))
    else
        tmp = 1.0d0
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double t_1 = x / (y * Math.exp(((c - b) * 1.6666666666666667)));
	double tmp;
	if ((b - c) <= -5e+128) {
		tmp = t_1;
	} else if ((b - c) <= -2e+84) {
		tmp = 1.0;
	} else if ((b - c) <= -3e+28) {
		tmp = t_1;
	} else if ((b - c) <= 1e-248) {
		tmp = 1.0;
	} else if ((b - c) <= 5e-40) {
		tmp = x / (x + (y + (2.0 * (c * (y * ((0.8333333333333334 + a) + (0.6666666666666666 * (-1.0 / t))))))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	t_1 = x / (y * math.exp(((c - b) * 1.6666666666666667)))
	tmp = 0
	if (b - c) <= -5e+128:
		tmp = t_1
	elif (b - c) <= -2e+84:
		tmp = 1.0
	elif (b - c) <= -3e+28:
		tmp = t_1
	elif (b - c) <= 1e-248:
		tmp = 1.0
	elif (b - c) <= 5e-40:
		tmp = x / (x + (y + (2.0 * (c * (y * ((0.8333333333333334 + a) + (0.6666666666666666 * (-1.0 / t))))))))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	t_1 = Float64(x / Float64(y * exp(Float64(Float64(c - b) * 1.6666666666666667))))
	tmp = 0.0
	if (Float64(b - c) <= -5e+128)
		tmp = t_1;
	elseif (Float64(b - c) <= -2e+84)
		tmp = 1.0;
	elseif (Float64(b - c) <= -3e+28)
		tmp = t_1;
	elseif (Float64(b - c) <= 1e-248)
		tmp = 1.0;
	elseif (Float64(b - c) <= 5e-40)
		tmp = Float64(x / Float64(x + Float64(y + Float64(2.0 * Float64(c * Float64(y * Float64(Float64(0.8333333333333334 + a) + Float64(0.6666666666666666 * Float64(-1.0 / t)))))))));
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	t_1 = x / (y * exp(((c - b) * 1.6666666666666667)));
	tmp = 0.0;
	if ((b - c) <= -5e+128)
		tmp = t_1;
	elseif ((b - c) <= -2e+84)
		tmp = 1.0;
	elseif ((b - c) <= -3e+28)
		tmp = t_1;
	elseif ((b - c) <= 1e-248)
		tmp = 1.0;
	elseif ((b - c) <= 5e-40)
		tmp = x / (x + (y + (2.0 * (c * (y * ((0.8333333333333334 + a) + (0.6666666666666666 * (-1.0 / t))))))));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := Block[{t$95$1 = N[(x / N[(y * N[Exp[N[(N[(c - b), $MachinePrecision] * 1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]}, If[LessEqual[N[(b - c), $MachinePrecision], -5e+128], t$95$1, If[LessEqual[N[(b - c), $MachinePrecision], -2e+84], 1.0, If[LessEqual[N[(b - c), $MachinePrecision], -3e+28], t$95$1, If[LessEqual[N[(b - c), $MachinePrecision], 1e-248], 1.0, If[LessEqual[N[(b - c), $MachinePrecision], 5e-40], N[(x / N[(x + N[(y + N[(2.0 * N[(c * N[(y * N[(N[(0.8333333333333334 + a), $MachinePrecision] + N[(0.6666666666666666 * N[(-1.0 / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]]]]]]

Derivation

1. Split input into 3 regimes

2. if (-.f64 b c) < -5e128 or -2.00000000000000012e84 < (-.f64 b c) < -3.0000000000000001e28

   1. Initial program 92.9%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in t around inf 79.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-1 \cdot \left(\left(0.8333333333333334 + a\right) \cdot \left(b - c\right)\right)\right)}}} \]
   3. Step-by-step derivation

      1. +-commutative 79.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-1 \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} \cdot \left(b - c\right)\right)\right)}} \]

      2. *-commutative 79.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-1 \cdot \color{blue}{\left(\left(b - c\right) \cdot \left(a + 0.8333333333333334\right)\right)}\right)}} \]

      3. associate-*r* 79.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\left(-1 \cdot \left(b - c\right)\right) \cdot \left(a + 0.8333333333333334\right)\right)}}} \]

      4. neg-mul-1 79.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(-\left(b - c\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      5. neg-sub0 79.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(0 - \left(b - c\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      6. associate--r- 79.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(\left(0 - b\right) + c\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      7. neg-sub0 79.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\left(\color{blue}{\left(-b\right)} + c\right) \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      8. +-commutative 79.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(c + \left(-b\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      9. sub-neg 79.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(c - b\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

   4. Simplified 79.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\left(c - b\right) \cdot \left(a + 0.8333333333333334\right)\right)}}} \]

   5. Taylor expanded in a around 0 76.1%

      \[\leadsto \frac{x}{x + \color{blue}{y \cdot e^{1.6666666666666667 \cdot \left(c - b\right)}}} \]

   6. Taylor expanded in x around 0 76.1%

      \[\leadsto \color{blue}{\frac{x}{y \cdot e^{1.6666666666666667 \cdot \left(c - b\right)}}} \]

   if -5e128 < (-.f64 b c) < -2.00000000000000012e84 or -3.0000000000000001e28 < (-.f64 b c) < 9.9999999999999998e-249 or 4.99999999999999965e-40 < (-.f64 b c)

   1. Initial program 96.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around inf 59.7%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

   3. Taylor expanded in a around 0 39.0%

      \[\leadsto \frac{x}{x + \color{blue}{y}} \]

   4. Taylor expanded in x around inf 68.6%

      \[\leadsto \color{blue}{1} \]

   if 9.9999999999999998e-249 < (-.f64 b c) < 4.99999999999999965e-40

   1. Initial program 100.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in c around inf 83.2%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}}} \]
   3. Step-by-step derivation

      1. associate-*r/ 83.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)}} \]

      2. metadata-eval 83.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)}} \]

      3. +-commutative 83.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} - \frac{0.6666666666666666}{t}\right)\right)}} \]

   4. Simplified 83.2%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}} \]

   5. Taylor expanded in c around 0 74.9%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)\right)\right)}} \]
3. Recombined 3 regimes into one program.

4. Final simplification 71.6%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b - c \leq -5 \cdot 10^{+128}:\\ \;\;\;\;\frac{x}{y \cdot e^{\left(c - b\right) \cdot 1.6666666666666667}}\\ \mathbf{elif}\;b - c \leq -2 \cdot 10^{+84}:\\ \;\;\;\;1\\ \mathbf{elif}\;b - c \leq -3 \cdot 10^{+28}:\\ \;\;\;\;\frac{x}{y \cdot e^{\left(c - b\right) \cdot 1.6666666666666667}}\\ \mathbf{elif}\;b - c \leq 10^{-248}:\\ \;\;\;\;1\\ \mathbf{elif}\;b - c \leq 5 \cdot 10^{-40}:\\ \;\;\;\;\frac{x}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) + 0.6666666666666666 \cdot \frac{-1}{t}\right)\right)\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]

Alternative 7: 82.6% accurate, 1.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq -500:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \mathbf{elif}\;t \leq 2.1 \cdot 10^{-31}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\left(c - b\right) \cdot \left(0.8333333333333334 + a\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t -500.0)
   (/ x (+ x (* y (exp (* 2.0 (* a (- c b)))))))
   (if (<= t 2.1e-31)
     (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
     (/ x (+ x (* y (exp (* 2.0 (* (- c b) (+ 0.8333333333333334 a))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= -500.0) {
		tmp = x / (x + (y * exp((2.0 * (a * (c - b))))));
	} else if (t <= 2.1e-31) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else {
		tmp = x / (x + (y * exp((2.0 * ((c - b) * (0.8333333333333334 + a))))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (t <= (-500.0d0)) then
        tmp = x / (x + (y * exp((2.0d0 * (a * (c - b))))))
    else if (t <= 2.1d-31) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else
        tmp = x / (x + (y * exp((2.0d0 * ((c - b) * (0.8333333333333334d0 + a))))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= -500.0) {
		tmp = x / (x + (y * Math.exp((2.0 * (a * (c - b))))));
	} else if (t <= 2.1e-31) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * ((c - b) * (0.8333333333333334 + a))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= -500.0:
		tmp = x / (x + (y * math.exp((2.0 * (a * (c - b))))))
	elif t <= 2.1e-31:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * ((c - b) * (0.8333333333333334 + a))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= -500.0)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(a * Float64(c - b)))))));
	elseif (t <= 2.1e-31)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.3333333333333333 * Float64(Float64(b - c) / t))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(c - b) * Float64(0.8333333333333334 + a)))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (t <= -500.0)
		tmp = x / (x + (y * exp((2.0 * (a * (c - b))))));
	elseif (t <= 2.1e-31)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	else
		tmp = x / (x + (y * exp((2.0 * ((c - b) * (0.8333333333333334 + a))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, -500.0], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(a * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 2.1e-31], N[(x / N[(x + N[(y * N[Exp[N[(1.3333333333333333 * N[(N[(b - c), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(c - b), $MachinePrecision] * N[(0.8333333333333334 + a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]

Derivation

1. Split input into 3 regimes

2. if t < -500

   1. Initial program 100.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around inf 100.0%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

   if -500 < t < 2.09999999999999991e-31

   1. Initial program 94.2%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in t around 0 84.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\frac{\sqrt{a} \cdot z - -0.6666666666666666 \cdot \left(b - c\right)}{t}}}} \]

   3. Taylor expanded in a around 0 74.4%

      \[\leadsto \frac{x}{x + \color{blue}{y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}} \]

   if 2.09999999999999991e-31 < t

   1. Initial program 95.8%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in t around inf 86.1%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-1 \cdot \left(\left(0.8333333333333334 + a\right) \cdot \left(b - c\right)\right)\right)}}} \]
   3. Step-by-step derivation

      1. +-commutative 86.1%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-1 \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} \cdot \left(b - c\right)\right)\right)}} \]

      2. *-commutative 86.1%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-1 \cdot \color{blue}{\left(\left(b - c\right) \cdot \left(a + 0.8333333333333334\right)\right)}\right)}} \]

      3. associate-*r* 86.1%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\left(-1 \cdot \left(b - c\right)\right) \cdot \left(a + 0.8333333333333334\right)\right)}}} \]

      4. neg-mul-1 86.1%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(-\left(b - c\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      5. neg-sub0 86.1%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(0 - \left(b - c\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      6. associate--r- 86.1%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(\left(0 - b\right) + c\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      7. neg-sub0 86.1%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\left(\color{blue}{\left(-b\right)} + c\right) \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      8. +-commutative 86.1%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(c + \left(-b\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      9. sub-neg 86.1%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(c - b\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

   4. Simplified 86.1%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\left(c - b\right) \cdot \left(a + 0.8333333333333334\right)\right)}}} \]
3. Recombined 3 regimes into one program.

4. Final simplification 81.5%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq -500:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \mathbf{elif}\;t \leq 2.1 \cdot 10^{-31}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\left(c - b\right) \cdot \left(0.8333333333333334 + a\right)\right)}}\\ \end{array} \]

Alternative 8: 75.3% accurate, 2.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq -1.8 \cdot 10^{-203} \lor \neg \left(t \leq 9 \cdot 10^{-24}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{\left(c - b\right) \cdot 1.6666666666666667}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (or (<= t -1.8e-203) (not (<= t 9e-24)))
   (/ x (+ x (* y (exp (* (- c b) 1.6666666666666667)))))
   (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((t <= -1.8e-203) || !(t <= 9e-24)) {
		tmp = x / (x + (y * exp(((c - b) * 1.6666666666666667))));
	} else {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if ((t <= (-1.8d-203)) .or. (.not. (t <= 9d-24))) then
        tmp = x / (x + (y * exp(((c - b) * 1.6666666666666667d0))))
    else
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((t <= -1.8e-203) || !(t <= 9e-24)) {
		tmp = x / (x + (y * Math.exp(((c - b) * 1.6666666666666667))));
	} else {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if (t <= -1.8e-203) or not (t <= 9e-24):
		tmp = x / (x + (y * math.exp(((c - b) * 1.6666666666666667))))
	else:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if ((t <= -1.8e-203) || !(t <= 9e-24))
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(Float64(c - b) * 1.6666666666666667)))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.3333333333333333 * Float64(Float64(b - c) / t))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if ((t <= -1.8e-203) || ~((t <= 9e-24)))
		tmp = x / (x + (y * exp(((c - b) * 1.6666666666666667))));
	else
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[Or[LessEqual[t, -1.8e-203], N[Not[LessEqual[t, 9e-24]], $MachinePrecision]], N[(x / N[(x + N[(y * N[Exp[N[(N[(c - b), $MachinePrecision] * 1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(1.3333333333333333 * N[(N[(b - c), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if t < -1.7999999999999999e-203 or 8.9999999999999995e-24 < t

   1. Initial program 97.1%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in t around inf 84.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-1 \cdot \left(\left(0.8333333333333334 + a\right) \cdot \left(b - c\right)\right)\right)}}} \]
   3. Step-by-step derivation

      1. +-commutative 84.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-1 \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} \cdot \left(b - c\right)\right)\right)}} \]

      2. *-commutative 84.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-1 \cdot \color{blue}{\left(\left(b - c\right) \cdot \left(a + 0.8333333333333334\right)\right)}\right)}} \]

      3. associate-*r* 84.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\left(-1 \cdot \left(b - c\right)\right) \cdot \left(a + 0.8333333333333334\right)\right)}}} \]

      4. neg-mul-1 84.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(-\left(b - c\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      5. neg-sub0 84.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(0 - \left(b - c\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      6. associate--r- 84.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(\left(0 - b\right) + c\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      7. neg-sub0 84.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\left(\color{blue}{\left(-b\right)} + c\right) \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      8. +-commutative 84.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(c + \left(-b\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      9. sub-neg 84.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(c - b\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

   4. Simplified 84.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\left(c - b\right) \cdot \left(a + 0.8333333333333334\right)\right)}}} \]

   5. Taylor expanded in a around 0 78.8%

      \[\leadsto \frac{x}{x + \color{blue}{y \cdot e^{1.6666666666666667 \cdot \left(c - b\right)}}} \]

   if -1.7999999999999999e-203 < t < 8.9999999999999995e-24

   1. Initial program 91.6%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in t around 0 78.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\frac{\sqrt{a} \cdot z - -0.6666666666666666 \cdot \left(b - c\right)}{t}}}} \]

   3. Taylor expanded in a around 0 75.5%

      \[\leadsto \frac{x}{x + \color{blue}{y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}} \]
3. Recombined 2 regimes into one program.

4. Final simplification 77.7%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq -1.8 \cdot 10^{-203} \lor \neg \left(t \leq 9 \cdot 10^{-24}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{\left(c - b\right) \cdot 1.6666666666666667}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \end{array} \]

Alternative 9: 76.5% accurate, 2.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq -500:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \mathbf{elif}\;t \leq 8.6 \cdot 10^{-30}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{\left(c - b\right) \cdot 1.6666666666666667}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t -500.0)
   (/ x (+ x (* y (exp (* 2.0 (* a (- c b)))))))
   (if (<= t 8.6e-30)
     (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
     (/ x (+ x (* y (exp (* (- c b) 1.6666666666666667))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= -500.0) {
		tmp = x / (x + (y * exp((2.0 * (a * (c - b))))));
	} else if (t <= 8.6e-30) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else {
		tmp = x / (x + (y * exp(((c - b) * 1.6666666666666667))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (t <= (-500.0d0)) then
        tmp = x / (x + (y * exp((2.0d0 * (a * (c - b))))))
    else if (t <= 8.6d-30) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else
        tmp = x / (x + (y * exp(((c - b) * 1.6666666666666667d0))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= -500.0) {
		tmp = x / (x + (y * Math.exp((2.0 * (a * (c - b))))));
	} else if (t <= 8.6e-30) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else {
		tmp = x / (x + (y * Math.exp(((c - b) * 1.6666666666666667))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= -500.0:
		tmp = x / (x + (y * math.exp((2.0 * (a * (c - b))))))
	elif t <= 8.6e-30:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	else:
		tmp = x / (x + (y * math.exp(((c - b) * 1.6666666666666667))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= -500.0)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(a * Float64(c - b)))))));
	elseif (t <= 8.6e-30)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.3333333333333333 * Float64(Float64(b - c) / t))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(Float64(c - b) * 1.6666666666666667)))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (t <= -500.0)
		tmp = x / (x + (y * exp((2.0 * (a * (c - b))))));
	elseif (t <= 8.6e-30)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	else
		tmp = x / (x + (y * exp(((c - b) * 1.6666666666666667))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, -500.0], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(a * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 8.6e-30], N[(x / N[(x + N[(y * N[Exp[N[(1.3333333333333333 * N[(N[(b - c), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(N[(c - b), $MachinePrecision] * 1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]

Derivation

1. Split input into 3 regimes

2. if t < -500

   1. Initial program 100.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around inf 100.0%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

   if -500 < t < 8.59999999999999932e-30

   1. Initial program 94.2%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in t around 0 84.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\frac{\sqrt{a} \cdot z - -0.6666666666666666 \cdot \left(b - c\right)}{t}}}} \]

   3. Taylor expanded in a around 0 74.4%

      \[\leadsto \frac{x}{x + \color{blue}{y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}} \]

   if 8.59999999999999932e-30 < t

   1. Initial program 95.8%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in t around inf 86.1%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-1 \cdot \left(\left(0.8333333333333334 + a\right) \cdot \left(b - c\right)\right)\right)}}} \]
   3. Step-by-step derivation

      1. +-commutative 86.1%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-1 \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} \cdot \left(b - c\right)\right)\right)}} \]

      2. *-commutative 86.1%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-1 \cdot \color{blue}{\left(\left(b - c\right) \cdot \left(a + 0.8333333333333334\right)\right)}\right)}} \]

      3. associate-*r* 86.1%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\left(-1 \cdot \left(b - c\right)\right) \cdot \left(a + 0.8333333333333334\right)\right)}}} \]

      4. neg-mul-1 86.1%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(-\left(b - c\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      5. neg-sub0 86.1%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(0 - \left(b - c\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      6. associate--r- 86.1%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(\left(0 - b\right) + c\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      7. neg-sub0 86.1%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\left(\color{blue}{\left(-b\right)} + c\right) \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      8. +-commutative 86.1%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(c + \left(-b\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      9. sub-neg 86.1%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(c - b\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

   4. Simplified 86.1%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\left(c - b\right) \cdot \left(a + 0.8333333333333334\right)\right)}}} \]

   5. Taylor expanded in a around 0 78.7%

      \[\leadsto \frac{x}{x + \color{blue}{y \cdot e^{1.6666666666666667 \cdot \left(c - b\right)}}} \]
3. Recombined 3 regimes into one program.

4. Final simplification 78.1%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq -500:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \mathbf{elif}\;t \leq 8.6 \cdot 10^{-30}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{\left(c - b\right) \cdot 1.6666666666666667}}\\ \end{array} \]

Alternative 10: 67.7% accurate, 2.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq -4.4 \cdot 10^{-238} \lor \neg \left(t \leq 5.8 \cdot 10^{-25}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{\left(c - b\right) \cdot 1.6666666666666667}}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (or (<= t -4.4e-238) (not (<= t 5.8e-25)))
   (/ x (+ x (* y (exp (* (- c b) 1.6666666666666667)))))
   1.0))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((t <= -4.4e-238) || !(t <= 5.8e-25)) {
		tmp = x / (x + (y * exp(((c - b) * 1.6666666666666667))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if ((t <= (-4.4d-238)) .or. (.not. (t <= 5.8d-25))) then
        tmp = x / (x + (y * exp(((c - b) * 1.6666666666666667d0))))
    else
        tmp = 1.0d0
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((t <= -4.4e-238) || !(t <= 5.8e-25)) {
		tmp = x / (x + (y * Math.exp(((c - b) * 1.6666666666666667))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if (t <= -4.4e-238) or not (t <= 5.8e-25):
		tmp = x / (x + (y * math.exp(((c - b) * 1.6666666666666667))))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if ((t <= -4.4e-238) || !(t <= 5.8e-25))
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(Float64(c - b) * 1.6666666666666667)))));
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if ((t <= -4.4e-238) || ~((t <= 5.8e-25)))
		tmp = x / (x + (y * exp(((c - b) * 1.6666666666666667))));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[Or[LessEqual[t, -4.4e-238], N[Not[LessEqual[t, 5.8e-25]], $MachinePrecision]], N[(x / N[(x + N[(y * N[Exp[N[(N[(c - b), $MachinePrecision] * 1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]

Derivation

1. Split input into 2 regimes

2. if t < -4.39999999999999982e-238 or 5.8000000000000001e-25 < t

   1. Initial program 96.1%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in t around inf 83.9%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(-1 \cdot \left(\left(0.8333333333333334 + a\right) \cdot \left(b - c\right)\right)\right)}}} \]
   3. Step-by-step derivation

      1. +-commutative 83.9%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-1 \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} \cdot \left(b - c\right)\right)\right)}} \]

      2. *-commutative 83.9%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(-1 \cdot \color{blue}{\left(\left(b - c\right) \cdot \left(a + 0.8333333333333334\right)\right)}\right)}} \]

      3. associate-*r* 83.9%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\left(-1 \cdot \left(b - c\right)\right) \cdot \left(a + 0.8333333333333334\right)\right)}}} \]

      4. neg-mul-1 83.9%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(-\left(b - c\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      5. neg-sub0 83.9%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(0 - \left(b - c\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      6. associate--r- 83.9%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(\left(0 - b\right) + c\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      7. neg-sub0 83.9%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\left(\color{blue}{\left(-b\right)} + c\right) \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      8. +-commutative 83.9%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(c + \left(-b\right)\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

      9. sub-neg 83.9%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(\color{blue}{\left(c - b\right)} \cdot \left(a + 0.8333333333333334\right)\right)}} \]

   4. Simplified 83.9%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(\left(c - b\right) \cdot \left(a + 0.8333333333333334\right)\right)}}} \]

   5. Taylor expanded in a around 0 78.5%

      \[\leadsto \frac{x}{x + \color{blue}{y \cdot e^{1.6666666666666667 \cdot \left(c - b\right)}}} \]

   if -4.39999999999999982e-238 < t < 5.8000000000000001e-25

   1. Initial program 93.4%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around inf 40.6%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

   3. Taylor expanded in a around 0 33.3%

      \[\leadsto \frac{x}{x + \color{blue}{y}} \]

   4. Taylor expanded in x around inf 60.5%

      \[\leadsto \color{blue}{1} \]
3. Recombined 2 regimes into one program.

4. Final simplification 73.2%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq -4.4 \cdot 10^{-238} \lor \neg \left(t \leq 5.8 \cdot 10^{-25}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{\left(c - b\right) \cdot 1.6666666666666667}}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]

Alternative 11: 52.2% accurate, 7.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;b - c \leq -5 \cdot 10^{+128}:\\ \;\;\;\;\frac{x}{y \cdot \left(1 + \left(\left(0.8333333333333334 + a\right) - \frac{0.6666666666666666}{t}\right) \cdot \left(2 \cdot c\right)\right)}\\ \mathbf{elif}\;b - c \leq 5 \cdot 10^{-172}:\\ \;\;\;\;1\\ \mathbf{elif}\;b - c \leq 5 \cdot 10^{-40}:\\ \;\;\;\;x \cdot \frac{1}{x - \left(2 \cdot \left(c \cdot \left(y \cdot \left(\left(\frac{0.6666666666666666}{t} - a\right) - 0.8333333333333334\right)\right)\right) - y\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= (- b c) -5e+128)
   (/
    x
    (*
     y
     (+
      1.0
      (* (- (+ 0.8333333333333334 a) (/ 0.6666666666666666 t)) (* 2.0 c)))))
   (if (<= (- b c) 5e-172)
     1.0
     (if (<= (- b c) 5e-40)
       (*
        x
        (/
         1.0
         (-
          x
          (-
           (*
            2.0
            (* c (* y (- (- (/ 0.6666666666666666 t) a) 0.8333333333333334))))
           y))))
       1.0))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b - c) <= -5e+128) {
		tmp = x / (y * (1.0 + (((0.8333333333333334 + a) - (0.6666666666666666 / t)) * (2.0 * c))));
	} else if ((b - c) <= 5e-172) {
		tmp = 1.0;
	} else if ((b - c) <= 5e-40) {
		tmp = x * (1.0 / (x - ((2.0 * (c * (y * (((0.6666666666666666 / t) - a) - 0.8333333333333334)))) - y)));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if ((b - c) <= (-5d+128)) then
        tmp = x / (y * (1.0d0 + (((0.8333333333333334d0 + a) - (0.6666666666666666d0 / t)) * (2.0d0 * c))))
    else if ((b - c) <= 5d-172) then
        tmp = 1.0d0
    else if ((b - c) <= 5d-40) then
        tmp = x * (1.0d0 / (x - ((2.0d0 * (c * (y * (((0.6666666666666666d0 / t) - a) - 0.8333333333333334d0)))) - y)))
    else
        tmp = 1.0d0
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b - c) <= -5e+128) {
		tmp = x / (y * (1.0 + (((0.8333333333333334 + a) - (0.6666666666666666 / t)) * (2.0 * c))));
	} else if ((b - c) <= 5e-172) {
		tmp = 1.0;
	} else if ((b - c) <= 5e-40) {
		tmp = x * (1.0 / (x - ((2.0 * (c * (y * (((0.6666666666666666 / t) - a) - 0.8333333333333334)))) - y)));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if (b - c) <= -5e+128:
		tmp = x / (y * (1.0 + (((0.8333333333333334 + a) - (0.6666666666666666 / t)) * (2.0 * c))))
	elif (b - c) <= 5e-172:
		tmp = 1.0
	elif (b - c) <= 5e-40:
		tmp = x * (1.0 / (x - ((2.0 * (c * (y * (((0.6666666666666666 / t) - a) - 0.8333333333333334)))) - y)))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (Float64(b - c) <= -5e+128)
		tmp = Float64(x / Float64(y * Float64(1.0 + Float64(Float64(Float64(0.8333333333333334 + a) - Float64(0.6666666666666666 / t)) * Float64(2.0 * c)))));
	elseif (Float64(b - c) <= 5e-172)
		tmp = 1.0;
	elseif (Float64(b - c) <= 5e-40)
		tmp = Float64(x * Float64(1.0 / Float64(x - Float64(Float64(2.0 * Float64(c * Float64(y * Float64(Float64(Float64(0.6666666666666666 / t) - a) - 0.8333333333333334)))) - y))));
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if ((b - c) <= -5e+128)
		tmp = x / (y * (1.0 + (((0.8333333333333334 + a) - (0.6666666666666666 / t)) * (2.0 * c))));
	elseif ((b - c) <= 5e-172)
		tmp = 1.0;
	elseif ((b - c) <= 5e-40)
		tmp = x * (1.0 / (x - ((2.0 * (c * (y * (((0.6666666666666666 / t) - a) - 0.8333333333333334)))) - y)));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[N[(b - c), $MachinePrecision], -5e+128], N[(x / N[(y * N[(1.0 + N[(N[(N[(0.8333333333333334 + a), $MachinePrecision] - N[(0.6666666666666666 / t), $MachinePrecision]), $MachinePrecision] * N[(2.0 * c), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[N[(b - c), $MachinePrecision], 5e-172], 1.0, If[LessEqual[N[(b - c), $MachinePrecision], 5e-40], N[(x * N[(1.0 / N[(x - N[(N[(2.0 * N[(c * N[(y * N[(N[(N[(0.6666666666666666 / t), $MachinePrecision] - a), $MachinePrecision] - 0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] - y), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]]]

Derivation

1. Split input into 3 regimes

2. if (-.f64 b c) < -5e128

   1. Initial program 90.9%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in c around inf 70.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}}} \]
   3. Step-by-step derivation

      1. associate-*r/ 70.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)}} \]

      2. metadata-eval 70.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)}} \]

      3. +-commutative 70.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} - \frac{0.6666666666666666}{t}\right)\right)}} \]

   4. Simplified 70.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}} \]

   5. Taylor expanded in c around 0 56.2%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)\right)\right)}} \]

   6. Taylor expanded in y around inf 57.8%

      \[\leadsto \color{blue}{\frac{x}{y \cdot \left(1 + 2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)\right)}} \]
   7. Step-by-step derivation

      1. associate-*r* 57.8%

         \[\leadsto \frac{x}{y \cdot \left(1 + \color{blue}{\left(2 \cdot c\right) \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)}\right)} \]

      2. associate-*r/ 57.8%

         \[\leadsto \frac{x}{y \cdot \left(1 + \left(2 \cdot c\right) \cdot \left(\left(0.8333333333333334 + a\right) - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)} \]

      3. metadata-eval 57.8%

         \[\leadsto \frac{x}{y \cdot \left(1 + \left(2 \cdot c\right) \cdot \left(\left(0.8333333333333334 + a\right) - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)} \]

   8. Simplified 57.8%

      \[\leadsto \color{blue}{\frac{x}{y \cdot \left(1 + \left(2 \cdot c\right) \cdot \left(\left(0.8333333333333334 + a\right) - \frac{0.6666666666666666}{t}\right)\right)}} \]

   if -5e128 < (-.f64 b c) < 4.9999999999999999e-172 or 4.99999999999999965e-40 < (-.f64 b c)

   1. Initial program 96.5%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around inf 60.2%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

   3. Taylor expanded in a around 0 38.8%

      \[\leadsto \frac{x}{x + \color{blue}{y}} \]

   4. Taylor expanded in x around inf 65.8%

      \[\leadsto \color{blue}{1} \]

   if 4.9999999999999999e-172 < (-.f64 b c) < 4.99999999999999965e-40

   1. Initial program 100.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in c around inf 80.7%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}}} \]
   3. Step-by-step derivation

      1. associate-*r/ 80.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)}} \]

      2. metadata-eval 80.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)}} \]

      3. +-commutative 80.7%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} - \frac{0.6666666666666666}{t}\right)\right)}} \]

   4. Simplified 80.7%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}} \]

   5. Taylor expanded in c around 0 71.2%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)\right)\right)}} \]
   6. Step-by-step derivation

      1. div-inv 71.0%

         \[\leadsto \color{blue}{x \cdot \frac{1}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)\right)\right)}} \]

      2. associate--l+ 71.0%

         \[\leadsto x \cdot \frac{1}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \color{blue}{\left(0.8333333333333334 + \left(a - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}\right)\right)\right)} \]

      3. un-div-inv 71.0%

         \[\leadsto x \cdot \frac{1}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(0.8333333333333334 + \left(a - \color{blue}{\frac{0.6666666666666666}{t}}\right)\right)\right)\right)\right)} \]

   7. Applied egg-rr 71.0%

      \[\leadsto \color{blue}{x \cdot \frac{1}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(0.8333333333333334 + \left(a - \frac{0.6666666666666666}{t}\right)\right)\right)\right)\right)}} \]
3. Recombined 3 regimes into one program.

4. Final simplification 64.1%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b - c \leq -5 \cdot 10^{+128}:\\ \;\;\;\;\frac{x}{y \cdot \left(1 + \left(\left(0.8333333333333334 + a\right) - \frac{0.6666666666666666}{t}\right) \cdot \left(2 \cdot c\right)\right)}\\ \mathbf{elif}\;b - c \leq 5 \cdot 10^{-172}:\\ \;\;\;\;1\\ \mathbf{elif}\;b - c \leq 5 \cdot 10^{-40}:\\ \;\;\;\;x \cdot \frac{1}{x - \left(2 \cdot \left(c \cdot \left(y \cdot \left(\left(\frac{0.6666666666666666}{t} - a\right) - 0.8333333333333334\right)\right)\right) - y\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]

Alternative 12: 52.3% accurate, 7.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;b - c \leq -5 \cdot 10^{+128}:\\ \;\;\;\;\frac{x}{y \cdot \left(1 + \left(\left(0.8333333333333334 + a\right) - \frac{0.6666666666666666}{t}\right) \cdot \left(2 \cdot c\right)\right)}\\ \mathbf{elif}\;b - c \leq 10^{-248}:\\ \;\;\;\;1\\ \mathbf{elif}\;b - c \leq 5 \cdot 10^{-40}:\\ \;\;\;\;\frac{x}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) + 0.6666666666666666 \cdot \frac{-1}{t}\right)\right)\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= (- b c) -5e+128)
   (/
    x
    (*
     y
     (+
      1.0
      (* (- (+ 0.8333333333333334 a) (/ 0.6666666666666666 t)) (* 2.0 c)))))
   (if (<= (- b c) 1e-248)
     1.0
     (if (<= (- b c) 5e-40)
       (/
        x
        (+
         x
         (+
          y
          (*
           2.0
           (*
            c
            (*
             y
             (+
              (+ 0.8333333333333334 a)
              (* 0.6666666666666666 (/ -1.0 t)))))))))
       1.0))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b - c) <= -5e+128) {
		tmp = x / (y * (1.0 + (((0.8333333333333334 + a) - (0.6666666666666666 / t)) * (2.0 * c))));
	} else if ((b - c) <= 1e-248) {
		tmp = 1.0;
	} else if ((b - c) <= 5e-40) {
		tmp = x / (x + (y + (2.0 * (c * (y * ((0.8333333333333334 + a) + (0.6666666666666666 * (-1.0 / t))))))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if ((b - c) <= (-5d+128)) then
        tmp = x / (y * (1.0d0 + (((0.8333333333333334d0 + a) - (0.6666666666666666d0 / t)) * (2.0d0 * c))))
    else if ((b - c) <= 1d-248) then
        tmp = 1.0d0
    else if ((b - c) <= 5d-40) then
        tmp = x / (x + (y + (2.0d0 * (c * (y * ((0.8333333333333334d0 + a) + (0.6666666666666666d0 * ((-1.0d0) / t))))))))
    else
        tmp = 1.0d0
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b - c) <= -5e+128) {
		tmp = x / (y * (1.0 + (((0.8333333333333334 + a) - (0.6666666666666666 / t)) * (2.0 * c))));
	} else if ((b - c) <= 1e-248) {
		tmp = 1.0;
	} else if ((b - c) <= 5e-40) {
		tmp = x / (x + (y + (2.0 * (c * (y * ((0.8333333333333334 + a) + (0.6666666666666666 * (-1.0 / t))))))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if (b - c) <= -5e+128:
		tmp = x / (y * (1.0 + (((0.8333333333333334 + a) - (0.6666666666666666 / t)) * (2.0 * c))))
	elif (b - c) <= 1e-248:
		tmp = 1.0
	elif (b - c) <= 5e-40:
		tmp = x / (x + (y + (2.0 * (c * (y * ((0.8333333333333334 + a) + (0.6666666666666666 * (-1.0 / t))))))))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (Float64(b - c) <= -5e+128)
		tmp = Float64(x / Float64(y * Float64(1.0 + Float64(Float64(Float64(0.8333333333333334 + a) - Float64(0.6666666666666666 / t)) * Float64(2.0 * c)))));
	elseif (Float64(b - c) <= 1e-248)
		tmp = 1.0;
	elseif (Float64(b - c) <= 5e-40)
		tmp = Float64(x / Float64(x + Float64(y + Float64(2.0 * Float64(c * Float64(y * Float64(Float64(0.8333333333333334 + a) + Float64(0.6666666666666666 * Float64(-1.0 / t)))))))));
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if ((b - c) <= -5e+128)
		tmp = x / (y * (1.0 + (((0.8333333333333334 + a) - (0.6666666666666666 / t)) * (2.0 * c))));
	elseif ((b - c) <= 1e-248)
		tmp = 1.0;
	elseif ((b - c) <= 5e-40)
		tmp = x / (x + (y + (2.0 * (c * (y * ((0.8333333333333334 + a) + (0.6666666666666666 * (-1.0 / t))))))));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[N[(b - c), $MachinePrecision], -5e+128], N[(x / N[(y * N[(1.0 + N[(N[(N[(0.8333333333333334 + a), $MachinePrecision] - N[(0.6666666666666666 / t), $MachinePrecision]), $MachinePrecision] * N[(2.0 * c), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[N[(b - c), $MachinePrecision], 1e-248], 1.0, If[LessEqual[N[(b - c), $MachinePrecision], 5e-40], N[(x / N[(x + N[(y + N[(2.0 * N[(c * N[(y * N[(N[(0.8333333333333334 + a), $MachinePrecision] + N[(0.6666666666666666 * N[(-1.0 / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]]]

Derivation

1. Split input into 3 regimes

2. if (-.f64 b c) < -5e128

   1. Initial program 90.9%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in c around inf 70.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}}} \]
   3. Step-by-step derivation

      1. associate-*r/ 70.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)}} \]

      2. metadata-eval 70.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)}} \]

      3. +-commutative 70.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} - \frac{0.6666666666666666}{t}\right)\right)}} \]

   4. Simplified 70.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}} \]

   5. Taylor expanded in c around 0 56.2%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)\right)\right)}} \]

   6. Taylor expanded in y around inf 57.8%

      \[\leadsto \color{blue}{\frac{x}{y \cdot \left(1 + 2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)\right)}} \]
   7. Step-by-step derivation

      1. associate-*r* 57.8%

         \[\leadsto \frac{x}{y \cdot \left(1 + \color{blue}{\left(2 \cdot c\right) \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)}\right)} \]

      2. associate-*r/ 57.8%

         \[\leadsto \frac{x}{y \cdot \left(1 + \left(2 \cdot c\right) \cdot \left(\left(0.8333333333333334 + a\right) - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)} \]

      3. metadata-eval 57.8%

         \[\leadsto \frac{x}{y \cdot \left(1 + \left(2 \cdot c\right) \cdot \left(\left(0.8333333333333334 + a\right) - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)} \]

   8. Simplified 57.8%

      \[\leadsto \color{blue}{\frac{x}{y \cdot \left(1 + \left(2 \cdot c\right) \cdot \left(\left(0.8333333333333334 + a\right) - \frac{0.6666666666666666}{t}\right)\right)}} \]

   if -5e128 < (-.f64 b c) < 9.9999999999999998e-249 or 4.99999999999999965e-40 < (-.f64 b c)

   1. Initial program 96.4%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around inf 59.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

   3. Taylor expanded in a around 0 37.7%

      \[\leadsto \frac{x}{x + \color{blue}{y}} \]

   4. Taylor expanded in x around inf 65.2%

      \[\leadsto \color{blue}{1} \]

   if 9.9999999999999998e-249 < (-.f64 b c) < 4.99999999999999965e-40

   1. Initial program 100.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in c around inf 83.2%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}}} \]
   3. Step-by-step derivation

      1. associate-*r/ 83.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)}} \]

      2. metadata-eval 83.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)}} \]

      3. +-commutative 83.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} - \frac{0.6666666666666666}{t}\right)\right)}} \]

   4. Simplified 83.2%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}} \]

   5. Taylor expanded in c around 0 74.9%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)\right)\right)}} \]
3. Recombined 3 regimes into one program.

4. Final simplification 64.2%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b - c \leq -5 \cdot 10^{+128}:\\ \;\;\;\;\frac{x}{y \cdot \left(1 + \left(\left(0.8333333333333334 + a\right) - \frac{0.6666666666666666}{t}\right) \cdot \left(2 \cdot c\right)\right)}\\ \mathbf{elif}\;b - c \leq 10^{-248}:\\ \;\;\;\;1\\ \mathbf{elif}\;b - c \leq 5 \cdot 10^{-40}:\\ \;\;\;\;\frac{x}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) + 0.6666666666666666 \cdot \frac{-1}{t}\right)\right)\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]

Alternative 13: 54.8% accurate, 7.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;b - c \leq -5 \cdot 10^{+128}:\\ \;\;\;\;\frac{x}{x + \left(y - 2 \cdot \left(c \cdot \left(y \cdot \frac{a \cdot a - 0.6944444444444444}{0.8333333333333334 - a}\right)\right)\right)}\\ \mathbf{elif}\;b - c \leq 10^{-248}:\\ \;\;\;\;1\\ \mathbf{elif}\;b - c \leq 5 \cdot 10^{-40}:\\ \;\;\;\;\frac{x}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) + 0.6666666666666666 \cdot \frac{-1}{t}\right)\right)\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= (- b c) -5e+128)
   (/
    x
    (+
     x
     (-
      y
      (*
       2.0
       (*
        c
        (* y (/ (- (* a a) 0.6944444444444444) (- 0.8333333333333334 a))))))))
   (if (<= (- b c) 1e-248)
     1.0
     (if (<= (- b c) 5e-40)
       (/
        x
        (+
         x
         (+
          y
          (*
           2.0
           (*
            c
            (*
             y
             (+
              (+ 0.8333333333333334 a)
              (* 0.6666666666666666 (/ -1.0 t)))))))))
       1.0))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b - c) <= -5e+128) {
		tmp = x / (x + (y - (2.0 * (c * (y * (((a * a) - 0.6944444444444444) / (0.8333333333333334 - a)))))));
	} else if ((b - c) <= 1e-248) {
		tmp = 1.0;
	} else if ((b - c) <= 5e-40) {
		tmp = x / (x + (y + (2.0 * (c * (y * ((0.8333333333333334 + a) + (0.6666666666666666 * (-1.0 / t))))))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if ((b - c) <= (-5d+128)) then
        tmp = x / (x + (y - (2.0d0 * (c * (y * (((a * a) - 0.6944444444444444d0) / (0.8333333333333334d0 - a)))))))
    else if ((b - c) <= 1d-248) then
        tmp = 1.0d0
    else if ((b - c) <= 5d-40) then
        tmp = x / (x + (y + (2.0d0 * (c * (y * ((0.8333333333333334d0 + a) + (0.6666666666666666d0 * ((-1.0d0) / t))))))))
    else
        tmp = 1.0d0
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b - c) <= -5e+128) {
		tmp = x / (x + (y - (2.0 * (c * (y * (((a * a) - 0.6944444444444444) / (0.8333333333333334 - a)))))));
	} else if ((b - c) <= 1e-248) {
		tmp = 1.0;
	} else if ((b - c) <= 5e-40) {
		tmp = x / (x + (y + (2.0 * (c * (y * ((0.8333333333333334 + a) + (0.6666666666666666 * (-1.0 / t))))))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if (b - c) <= -5e+128:
		tmp = x / (x + (y - (2.0 * (c * (y * (((a * a) - 0.6944444444444444) / (0.8333333333333334 - a)))))))
	elif (b - c) <= 1e-248:
		tmp = 1.0
	elif (b - c) <= 5e-40:
		tmp = x / (x + (y + (2.0 * (c * (y * ((0.8333333333333334 + a) + (0.6666666666666666 * (-1.0 / t))))))))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (Float64(b - c) <= -5e+128)
		tmp = Float64(x / Float64(x + Float64(y - Float64(2.0 * Float64(c * Float64(y * Float64(Float64(Float64(a * a) - 0.6944444444444444) / Float64(0.8333333333333334 - a))))))));
	elseif (Float64(b - c) <= 1e-248)
		tmp = 1.0;
	elseif (Float64(b - c) <= 5e-40)
		tmp = Float64(x / Float64(x + Float64(y + Float64(2.0 * Float64(c * Float64(y * Float64(Float64(0.8333333333333334 + a) + Float64(0.6666666666666666 * Float64(-1.0 / t)))))))));
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if ((b - c) <= -5e+128)
		tmp = x / (x + (y - (2.0 * (c * (y * (((a * a) - 0.6944444444444444) / (0.8333333333333334 - a)))))));
	elseif ((b - c) <= 1e-248)
		tmp = 1.0;
	elseif ((b - c) <= 5e-40)
		tmp = x / (x + (y + (2.0 * (c * (y * ((0.8333333333333334 + a) + (0.6666666666666666 * (-1.0 / t))))))));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[N[(b - c), $MachinePrecision], -5e+128], N[(x / N[(x + N[(y - N[(2.0 * N[(c * N[(y * N[(N[(N[(a * a), $MachinePrecision] - 0.6944444444444444), $MachinePrecision] / N[(0.8333333333333334 - a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[N[(b - c), $MachinePrecision], 1e-248], 1.0, If[LessEqual[N[(b - c), $MachinePrecision], 5e-40], N[(x / N[(x + N[(y + N[(2.0 * N[(c * N[(y * N[(N[(0.8333333333333334 + a), $MachinePrecision] + N[(0.6666666666666666 * N[(-1.0 / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]]]

Derivation

1. Split input into 3 regimes

2. if (-.f64 b c) < -5e128

   1. Initial program 90.9%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in c around inf 70.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}}} \]
   3. Step-by-step derivation

      1. associate-*r/ 70.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)}} \]

      2. metadata-eval 70.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)}} \]

      3. +-commutative 70.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} - \frac{0.6666666666666666}{t}\right)\right)}} \]

   4. Simplified 70.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}} \]

   5. Taylor expanded in c around 0 56.2%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)\right)\right)}} \]

   6. Taylor expanded in t around inf 53.3%

      \[\leadsto \color{blue}{\frac{x}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(0.8333333333333334 + a\right)\right)\right)\right)}} \]
   7. Step-by-step derivation

      1. flip-+ 61.9%

         \[\leadsto \frac{x}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \color{blue}{\frac{0.8333333333333334 \cdot 0.8333333333333334 - a \cdot a}{0.8333333333333334 - a}}\right)\right)\right)} \]

      2. metadata-eval 61.9%

         \[\leadsto \frac{x}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \frac{\color{blue}{0.6944444444444444} - a \cdot a}{0.8333333333333334 - a}\right)\right)\right)} \]

   8. Applied egg-rr 61.9%

      \[\leadsto \frac{x}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \color{blue}{\frac{0.6944444444444444 - a \cdot a}{0.8333333333333334 - a}}\right)\right)\right)} \]

   if -5e128 < (-.f64 b c) < 9.9999999999999998e-249 or 4.99999999999999965e-40 < (-.f64 b c)

   1. Initial program 96.4%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around inf 59.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

   3. Taylor expanded in a around 0 37.7%

      \[\leadsto \frac{x}{x + \color{blue}{y}} \]

   4. Taylor expanded in x around inf 65.2%

      \[\leadsto \color{blue}{1} \]

   if 9.9999999999999998e-249 < (-.f64 b c) < 4.99999999999999965e-40

   1. Initial program 100.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in c around inf 83.2%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}}} \]
   3. Step-by-step derivation

      1. associate-*r/ 83.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)}} \]

      2. metadata-eval 83.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)}} \]

      3. +-commutative 83.2%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} - \frac{0.6666666666666666}{t}\right)\right)}} \]

   4. Simplified 83.2%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}} \]

   5. Taylor expanded in c around 0 74.9%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)\right)\right)}} \]
3. Recombined 3 regimes into one program.

4. Final simplification 65.2%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b - c \leq -5 \cdot 10^{+128}:\\ \;\;\;\;\frac{x}{x + \left(y - 2 \cdot \left(c \cdot \left(y \cdot \frac{a \cdot a - 0.6944444444444444}{0.8333333333333334 - a}\right)\right)\right)}\\ \mathbf{elif}\;b - c \leq 10^{-248}:\\ \;\;\;\;1\\ \mathbf{elif}\;b - c \leq 5 \cdot 10^{-40}:\\ \;\;\;\;\frac{x}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) + 0.6666666666666666 \cdot \frac{-1}{t}\right)\right)\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]

Alternative 14: 52.6% accurate, 11.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;b - c \leq -5 \cdot 10^{+128}:\\ \;\;\;\;\frac{x}{y \cdot \left(1 + \left(\left(0.8333333333333334 + a\right) - \frac{0.6666666666666666}{t}\right) \cdot \left(2 \cdot c\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= (- b c) -5e+128)
   (/
    x
    (*
     y
     (+
      1.0
      (* (- (+ 0.8333333333333334 a) (/ 0.6666666666666666 t)) (* 2.0 c)))))
   1.0))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b - c) <= -5e+128) {
		tmp = x / (y * (1.0 + (((0.8333333333333334 + a) - (0.6666666666666666 / t)) * (2.0 * c))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if ((b - c) <= (-5d+128)) then
        tmp = x / (y * (1.0d0 + (((0.8333333333333334d0 + a) - (0.6666666666666666d0 / t)) * (2.0d0 * c))))
    else
        tmp = 1.0d0
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b - c) <= -5e+128) {
		tmp = x / (y * (1.0 + (((0.8333333333333334 + a) - (0.6666666666666666 / t)) * (2.0 * c))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if (b - c) <= -5e+128:
		tmp = x / (y * (1.0 + (((0.8333333333333334 + a) - (0.6666666666666666 / t)) * (2.0 * c))))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (Float64(b - c) <= -5e+128)
		tmp = Float64(x / Float64(y * Float64(1.0 + Float64(Float64(Float64(0.8333333333333334 + a) - Float64(0.6666666666666666 / t)) * Float64(2.0 * c)))));
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if ((b - c) <= -5e+128)
		tmp = x / (y * (1.0 + (((0.8333333333333334 + a) - (0.6666666666666666 / t)) * (2.0 * c))));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[N[(b - c), $MachinePrecision], -5e+128], N[(x / N[(y * N[(1.0 + N[(N[(N[(0.8333333333333334 + a), $MachinePrecision] - N[(0.6666666666666666 / t), $MachinePrecision]), $MachinePrecision] * N[(2.0 * c), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]

Derivation

1. Split input into 2 regimes

2. if (-.f64 b c) < -5e128

   1. Initial program 90.9%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in c around inf 70.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}}} \]
   3. Step-by-step derivation

      1. associate-*r/ 70.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)}} \]

      2. metadata-eval 70.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)}} \]

      3. +-commutative 70.3%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} - \frac{0.6666666666666666}{t}\right)\right)}} \]

   4. Simplified 70.3%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}} \]

   5. Taylor expanded in c around 0 56.2%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)\right)\right)}} \]

   6. Taylor expanded in y around inf 57.8%

      \[\leadsto \color{blue}{\frac{x}{y \cdot \left(1 + 2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)\right)}} \]
   7. Step-by-step derivation

      1. associate-*r* 57.8%

         \[\leadsto \frac{x}{y \cdot \left(1 + \color{blue}{\left(2 \cdot c\right) \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)}\right)} \]

      2. associate-*r/ 57.8%

         \[\leadsto \frac{x}{y \cdot \left(1 + \left(2 \cdot c\right) \cdot \left(\left(0.8333333333333334 + a\right) - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)} \]

      3. metadata-eval 57.8%

         \[\leadsto \frac{x}{y \cdot \left(1 + \left(2 \cdot c\right) \cdot \left(\left(0.8333333333333334 + a\right) - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)} \]

   8. Simplified 57.8%

      \[\leadsto \color{blue}{\frac{x}{y \cdot \left(1 + \left(2 \cdot c\right) \cdot \left(\left(0.8333333333333334 + a\right) - \frac{0.6666666666666666}{t}\right)\right)}} \]

   if -5e128 < (-.f64 b c)

   1. Initial program 96.9%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around inf 60.8%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

   3. Taylor expanded in a around 0 40.7%

      \[\leadsto \frac{x}{x + \color{blue}{y}} \]

   4. Taylor expanded in x around inf 63.8%

      \[\leadsto \color{blue}{1} \]
3. Recombined 2 regimes into one program.

4. Final simplification 62.3%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b - c \leq -5 \cdot 10^{+128}:\\ \;\;\;\;\frac{x}{y \cdot \left(1 + \left(\left(0.8333333333333334 + a\right) - \frac{0.6666666666666666}{t}\right) \cdot \left(2 \cdot c\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]

Alternative 15: 55.3% accurate, 12.1× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;b - c \leq -5 \cdot 10^{+128}:\\ \;\;\;\;\frac{x}{x + \left(y + 2 \cdot \left(a \cdot \left(y \cdot \left(c - b\right)\right)\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= (- b c) -5e+128) (/ x (+ x (+ y (* 2.0 (* a (* y (- c b))))))) 1.0))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b - c) <= -5e+128) {
		tmp = x / (x + (y + (2.0 * (a * (y * (c - b))))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if ((b - c) <= (-5d+128)) then
        tmp = x / (x + (y + (2.0d0 * (a * (y * (c - b))))))
    else
        tmp = 1.0d0
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b - c) <= -5e+128) {
		tmp = x / (x + (y + (2.0 * (a * (y * (c - b))))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if (b - c) <= -5e+128:
		tmp = x / (x + (y + (2.0 * (a * (y * (c - b))))))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (Float64(b - c) <= -5e+128)
		tmp = Float64(x / Float64(x + Float64(y + Float64(2.0 * Float64(a * Float64(y * Float64(c - b)))))));
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if ((b - c) <= -5e+128)
		tmp = x / (x + (y + (2.0 * (a * (y * (c - b))))));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[N[(b - c), $MachinePrecision], -5e+128], N[(x / N[(x + N[(y + N[(2.0 * N[(a * N[(y * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]

Derivation

1. Split input into 2 regimes

2. if (-.f64 b c) < -5e128

   1. Initial program 90.9%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around inf 82.4%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

   3. Taylor expanded in a around 0 56.5%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 2 \cdot \left(a \cdot \left(y \cdot \left(c - b\right)\right)\right)\right)}} \]
   4. Step-by-step derivation

      1. *-commutative 56.5%

         \[\leadsto \frac{x}{x + \left(y + 2 \cdot \left(a \cdot \color{blue}{\left(\left(c - b\right) \cdot y\right)}\right)\right)} \]

   5. Simplified 56.5%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 2 \cdot \left(a \cdot \left(\left(c - b\right) \cdot y\right)\right)\right)}} \]

   if -5e128 < (-.f64 b c)

   1. Initial program 96.9%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around inf 60.8%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

   3. Taylor expanded in a around 0 40.7%

      \[\leadsto \frac{x}{x + \color{blue}{y}} \]

   4. Taylor expanded in x around inf 63.8%

      \[\leadsto \color{blue}{1} \]
3. Recombined 2 regimes into one program.

4. Final simplification 61.9%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b - c \leq -5 \cdot 10^{+128}:\\ \;\;\;\;\frac{x}{x + \left(y + 2 \cdot \left(a \cdot \left(y \cdot \left(c - b\right)\right)\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]

Alternative 16: 51.2% accurate, 13.4× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;c \leq -1.2 \cdot 10^{-161}:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 1.6 \cdot 10^{-252}:\\ \;\;\;\;\frac{x}{x + \left(y + -2 \cdot \left(a \cdot \left(y \cdot b\right)\right)\right)}\\ \mathbf{elif}\;c \leq 1.9 \cdot 10^{+124}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;0.5 \cdot \frac{\frac{x}{c}}{y \cdot \left(0.8333333333333334 + a\right)}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= c -1.2e-161)
   1.0
   (if (<= c 1.6e-252)
     (/ x (+ x (+ y (* -2.0 (* a (* y b))))))
     (if (<= c 1.9e+124)
       1.0
       (* 0.5 (/ (/ x c) (* y (+ 0.8333333333333334 a))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= -1.2e-161) {
		tmp = 1.0;
	} else if (c <= 1.6e-252) {
		tmp = x / (x + (y + (-2.0 * (a * (y * b)))));
	} else if (c <= 1.9e+124) {
		tmp = 1.0;
	} else {
		tmp = 0.5 * ((x / c) / (y * (0.8333333333333334 + a)));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (c <= (-1.2d-161)) then
        tmp = 1.0d0
    else if (c <= 1.6d-252) then
        tmp = x / (x + (y + ((-2.0d0) * (a * (y * b)))))
    else if (c <= 1.9d+124) then
        tmp = 1.0d0
    else
        tmp = 0.5d0 * ((x / c) / (y * (0.8333333333333334d0 + a)))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= -1.2e-161) {
		tmp = 1.0;
	} else if (c <= 1.6e-252) {
		tmp = x / (x + (y + (-2.0 * (a * (y * b)))));
	} else if (c <= 1.9e+124) {
		tmp = 1.0;
	} else {
		tmp = 0.5 * ((x / c) / (y * (0.8333333333333334 + a)));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if c <= -1.2e-161:
		tmp = 1.0
	elif c <= 1.6e-252:
		tmp = x / (x + (y + (-2.0 * (a * (y * b)))))
	elif c <= 1.9e+124:
		tmp = 1.0
	else:
		tmp = 0.5 * ((x / c) / (y * (0.8333333333333334 + a)))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (c <= -1.2e-161)
		tmp = 1.0;
	elseif (c <= 1.6e-252)
		tmp = Float64(x / Float64(x + Float64(y + Float64(-2.0 * Float64(a * Float64(y * b))))));
	elseif (c <= 1.9e+124)
		tmp = 1.0;
	else
		tmp = Float64(0.5 * Float64(Float64(x / c) / Float64(y * Float64(0.8333333333333334 + a))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (c <= -1.2e-161)
		tmp = 1.0;
	elseif (c <= 1.6e-252)
		tmp = x / (x + (y + (-2.0 * (a * (y * b)))));
	elseif (c <= 1.9e+124)
		tmp = 1.0;
	else
		tmp = 0.5 * ((x / c) / (y * (0.8333333333333334 + a)));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[c, -1.2e-161], 1.0, If[LessEqual[c, 1.6e-252], N[(x / N[(x + N[(y + N[(-2.0 * N[(a * N[(y * b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[c, 1.9e+124], 1.0, N[(0.5 * N[(N[(x / c), $MachinePrecision] / N[(y * N[(0.8333333333333334 + a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]

Derivation

1. Split input into 3 regimes

2. if c < -1.19999999999999999e-161 or 1.6000000000000001e-252 < c < 1.8999999999999999e124

   1. Initial program 95.4%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around inf 61.0%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

   3. Taylor expanded in a around 0 34.7%

      \[\leadsto \frac{x}{x + \color{blue}{y}} \]

   4. Taylor expanded in x around inf 60.6%

      \[\leadsto \color{blue}{1} \]

   if -1.19999999999999999e-161 < c < 1.6000000000000001e-252

   1. Initial program 100.0%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around inf 70.6%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

   3. Taylor expanded in c around 0 68.5%

      \[\leadsto \frac{x}{x + \color{blue}{y \cdot e^{-2 \cdot \left(a \cdot b\right)}}} \]

   4. Taylor expanded in a around 0 59.7%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + -2 \cdot \left(a \cdot \left(b \cdot y\right)\right)\right)}} \]

   if 1.8999999999999999e124 < c

   1. Initial program 89.7%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in c around inf 92.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}}} \]
   3. Step-by-step derivation

      1. associate-*r/ 92.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)}} \]

      2. metadata-eval 92.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)}} \]

      3. +-commutative 92.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} - \frac{0.6666666666666666}{t}\right)\right)}} \]

   4. Simplified 92.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}} \]

   5. Taylor expanded in c around 0 61.1%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)\right)\right)}} \]

   6. Taylor expanded in t around inf 58.7%

      \[\leadsto \color{blue}{\frac{x}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(0.8333333333333334 + a\right)\right)\right)\right)}} \]

   7. Taylor expanded in c around inf 53.8%

      \[\leadsto \color{blue}{0.5 \cdot \frac{x}{c \cdot \left(y \cdot \left(0.8333333333333334 + a\right)\right)}} \]
   8. Step-by-step derivation

      1. associate-/r* 65.4%

         \[\leadsto 0.5 \cdot \color{blue}{\frac{\frac{x}{c}}{y \cdot \left(0.8333333333333334 + a\right)}} \]

      2. +-commutative 65.4%

         \[\leadsto 0.5 \cdot \frac{\frac{x}{c}}{y \cdot \color{blue}{\left(a + 0.8333333333333334\right)}} \]

   9. Simplified 65.4%

      \[\leadsto \color{blue}{0.5 \cdot \frac{\frac{x}{c}}{y \cdot \left(a + 0.8333333333333334\right)}} \]
3. Recombined 3 regimes into one program.

4. Final simplification 61.2%

   \[\leadsto \begin{array}{l} \mathbf{if}\;c \leq -1.2 \cdot 10^{-161}:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 1.6 \cdot 10^{-252}:\\ \;\;\;\;\frac{x}{x + \left(y + -2 \cdot \left(a \cdot \left(y \cdot b\right)\right)\right)}\\ \mathbf{elif}\;c \leq 1.9 \cdot 10^{+124}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;0.5 \cdot \frac{\frac{x}{c}}{y \cdot \left(0.8333333333333334 + a\right)}\\ \end{array} \]

Alternative 17: 50.6% accurate, 15.2× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;c \leq 10^{+141}:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 2 \cdot 10^{+240} \lor \neg \left(c \leq 4.6 \cdot 10^{+281}\right):\\ \;\;\;\;-0.75 \cdot \left(\frac{t}{c} \cdot \frac{x}{y}\right)\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= c 1e+141)
   1.0
   (if (or (<= c 2e+240) (not (<= c 4.6e+281)))
     (* -0.75 (* (/ t c) (/ x y)))
     1.0)))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= 1e+141) {
		tmp = 1.0;
	} else if ((c <= 2e+240) || !(c <= 4.6e+281)) {
		tmp = -0.75 * ((t / c) * (x / y));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (c <= 1d+141) then
        tmp = 1.0d0
    else if ((c <= 2d+240) .or. (.not. (c <= 4.6d+281))) then
        tmp = (-0.75d0) * ((t / c) * (x / y))
    else
        tmp = 1.0d0
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= 1e+141) {
		tmp = 1.0;
	} else if ((c <= 2e+240) || !(c <= 4.6e+281)) {
		tmp = -0.75 * ((t / c) * (x / y));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if c <= 1e+141:
		tmp = 1.0
	elif (c <= 2e+240) or not (c <= 4.6e+281):
		tmp = -0.75 * ((t / c) * (x / y))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (c <= 1e+141)
		tmp = 1.0;
	elseif ((c <= 2e+240) || !(c <= 4.6e+281))
		tmp = Float64(-0.75 * Float64(Float64(t / c) * Float64(x / y)));
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (c <= 1e+141)
		tmp = 1.0;
	elseif ((c <= 2e+240) || ~((c <= 4.6e+281)))
		tmp = -0.75 * ((t / c) * (x / y));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[c, 1e+141], 1.0, If[Or[LessEqual[c, 2e+240], N[Not[LessEqual[c, 4.6e+281]], $MachinePrecision]], N[(-0.75 * N[(N[(t / c), $MachinePrecision] * N[(x / y), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]]

Derivation

1. Split input into 2 regimes

2. if c < 1.00000000000000002e141 or 2.00000000000000003e240 < c < 4.60000000000000015e281

   1. Initial program 96.1%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around inf 63.4%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

   3. Taylor expanded in a around 0 37.1%

      \[\leadsto \frac{x}{x + \color{blue}{y}} \]

   4. Taylor expanded in x around inf 57.9%

      \[\leadsto \color{blue}{1} \]

   if 1.00000000000000002e141 < c < 2.00000000000000003e240 or 4.60000000000000015e281 < c

   1. Initial program 88.5%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in c around inf 92.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}}} \]
   3. Step-by-step derivation

      1. associate-*r/ 92.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)}} \]

      2. metadata-eval 92.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)}} \]

      3. +-commutative 92.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} - \frac{0.6666666666666666}{t}\right)\right)}} \]

   4. Simplified 92.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}} \]

   5. Taylor expanded in c around 0 77.9%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)\right)\right)}} \]

   6. Taylor expanded in t around 0 74.1%

      \[\leadsto \color{blue}{-0.75 \cdot \frac{t \cdot x}{c \cdot y}} \]
   7. Step-by-step derivation

      1. times-frac 63.2%

         \[\leadsto -0.75 \cdot \color{blue}{\left(\frac{t}{c} \cdot \frac{x}{y}\right)} \]

   8. Simplified 63.2%

      \[\leadsto \color{blue}{-0.75 \cdot \left(\frac{t}{c} \cdot \frac{x}{y}\right)} \]
3. Recombined 2 regimes into one program.

4. Final simplification 58.4%

   \[\leadsto \begin{array}{l} \mathbf{if}\;c \leq 10^{+141}:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 2 \cdot 10^{+240} \lor \neg \left(c \leq 4.6 \cdot 10^{+281}\right):\\ \;\;\;\;-0.75 \cdot \left(\frac{t}{c} \cdot \frac{x}{y}\right)\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]

Alternative 18: 50.8% accurate, 15.2× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;c \leq 5.8 \cdot 10^{+143}:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 5.5 \cdot 10^{+235} \lor \neg \left(c \leq 5 \cdot 10^{+281}\right):\\ \;\;\;\;-0.75 \cdot \frac{x \cdot t}{y \cdot c}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= c 5.8e+143)
   1.0
   (if (or (<= c 5.5e+235) (not (<= c 5e+281)))
     (* -0.75 (/ (* x t) (* y c)))
     1.0)))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= 5.8e+143) {
		tmp = 1.0;
	} else if ((c <= 5.5e+235) || !(c <= 5e+281)) {
		tmp = -0.75 * ((x * t) / (y * c));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (c <= 5.8d+143) then
        tmp = 1.0d0
    else if ((c <= 5.5d+235) .or. (.not. (c <= 5d+281))) then
        tmp = (-0.75d0) * ((x * t) / (y * c))
    else
        tmp = 1.0d0
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= 5.8e+143) {
		tmp = 1.0;
	} else if ((c <= 5.5e+235) || !(c <= 5e+281)) {
		tmp = -0.75 * ((x * t) / (y * c));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if c <= 5.8e+143:
		tmp = 1.0
	elif (c <= 5.5e+235) or not (c <= 5e+281):
		tmp = -0.75 * ((x * t) / (y * c))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (c <= 5.8e+143)
		tmp = 1.0;
	elseif ((c <= 5.5e+235) || !(c <= 5e+281))
		tmp = Float64(-0.75 * Float64(Float64(x * t) / Float64(y * c)));
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (c <= 5.8e+143)
		tmp = 1.0;
	elseif ((c <= 5.5e+235) || ~((c <= 5e+281)))
		tmp = -0.75 * ((x * t) / (y * c));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[c, 5.8e+143], 1.0, If[Or[LessEqual[c, 5.5e+235], N[Not[LessEqual[c, 5e+281]], $MachinePrecision]], N[(-0.75 * N[(N[(x * t), $MachinePrecision] / N[(y * c), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]]

Derivation

1. Split input into 2 regimes

2. if c < 5.7999999999999996e143 or 5.49999999999999945e235 < c < 5.00000000000000016e281

   1. Initial program 96.1%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around inf 63.4%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

   3. Taylor expanded in a around 0 37.1%

      \[\leadsto \frac{x}{x + \color{blue}{y}} \]

   4. Taylor expanded in x around inf 57.9%

      \[\leadsto \color{blue}{1} \]

   if 5.7999999999999996e143 < c < 5.49999999999999945e235 or 5.00000000000000016e281 < c

   1. Initial program 88.5%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in c around inf 92.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}}} \]
   3. Step-by-step derivation

      1. associate-*r/ 92.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)}} \]

      2. metadata-eval 92.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)}} \]

      3. +-commutative 92.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} - \frac{0.6666666666666666}{t}\right)\right)}} \]

   4. Simplified 92.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}} \]

   5. Taylor expanded in c around 0 77.9%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)\right)\right)}} \]

   6. Taylor expanded in t around 0 74.1%

      \[\leadsto \color{blue}{-0.75 \cdot \frac{t \cdot x}{c \cdot y}} \]
3. Recombined 2 regimes into one program.

4. Final simplification 59.5%

   \[\leadsto \begin{array}{l} \mathbf{if}\;c \leq 5.8 \cdot 10^{+143}:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 5.5 \cdot 10^{+235} \lor \neg \left(c \leq 5 \cdot 10^{+281}\right):\\ \;\;\;\;-0.75 \cdot \frac{x \cdot t}{y \cdot c}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]

Alternative 19: 51.9% accurate, 17.7× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;c \leq 4.4 \cdot 10^{+126}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;0.5 \cdot \frac{\frac{x}{c}}{y \cdot \left(0.8333333333333334 + a\right)}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= c 4.4e+126) 1.0 (* 0.5 (/ (/ x c) (* y (+ 0.8333333333333334 a))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= 4.4e+126) {
		tmp = 1.0;
	} else {
		tmp = 0.5 * ((x / c) / (y * (0.8333333333333334 + a)));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (c <= 4.4d+126) then
        tmp = 1.0d0
    else
        tmp = 0.5d0 * ((x / c) / (y * (0.8333333333333334d0 + a)))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= 4.4e+126) {
		tmp = 1.0;
	} else {
		tmp = 0.5 * ((x / c) / (y * (0.8333333333333334 + a)));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if c <= 4.4e+126:
		tmp = 1.0
	else:
		tmp = 0.5 * ((x / c) / (y * (0.8333333333333334 + a)))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (c <= 4.4e+126)
		tmp = 1.0;
	else
		tmp = Float64(0.5 * Float64(Float64(x / c) / Float64(y * Float64(0.8333333333333334 + a))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (c <= 4.4e+126)
		tmp = 1.0;
	else
		tmp = 0.5 * ((x / c) / (y * (0.8333333333333334 + a)));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[c, 4.4e+126], 1.0, N[(0.5 * N[(N[(x / c), $MachinePrecision] / N[(y * N[(0.8333333333333334 + a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if c < 4.39999999999999997e126

   1. Initial program 96.3%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in a around inf 63.0%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

   3. Taylor expanded in a around 0 38.2%

      \[\leadsto \frac{x}{x + \color{blue}{y}} \]

   4. Taylor expanded in x around inf 58.1%

      \[\leadsto \color{blue}{1} \]

   if 4.39999999999999997e126 < c

   1. Initial program 89.7%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

   2. Taylor expanded in c around inf 92.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)}}} \]
   3. Step-by-step derivation

      1. associate-*r/ 92.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \color{blue}{\frac{0.6666666666666666 \cdot 1}{t}}\right)\right)}} \]

      2. metadata-eval 92.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(0.8333333333333334 + a\right) - \frac{\color{blue}{0.6666666666666666}}{t}\right)\right)}} \]

      3. +-commutative 92.5%

         \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\color{blue}{\left(a + 0.8333333333333334\right)} - \frac{0.6666666666666666}{t}\right)\right)}} \]

   4. Simplified 92.5%

      \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}} \]

   5. Taylor expanded in c around 0 61.1%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(\left(0.8333333333333334 + a\right) - 0.6666666666666666 \cdot \frac{1}{t}\right)\right)\right)\right)}} \]

   6. Taylor expanded in t around inf 58.7%

      \[\leadsto \color{blue}{\frac{x}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(0.8333333333333334 + a\right)\right)\right)\right)}} \]

   7. Taylor expanded in c around inf 53.8%

      \[\leadsto \color{blue}{0.5 \cdot \frac{x}{c \cdot \left(y \cdot \left(0.8333333333333334 + a\right)\right)}} \]
   8. Step-by-step derivation

      1. associate-/r* 65.4%

         \[\leadsto 0.5 \cdot \color{blue}{\frac{\frac{x}{c}}{y \cdot \left(0.8333333333333334 + a\right)}} \]

      2. +-commutative 65.4%

         \[\leadsto 0.5 \cdot \frac{\frac{x}{c}}{y \cdot \color{blue}{\left(a + 0.8333333333333334\right)}} \]

   9. Simplified 65.4%

      \[\leadsto \color{blue}{0.5 \cdot \frac{\frac{x}{c}}{y \cdot \left(a + 0.8333333333333334\right)}} \]
3. Recombined 2 regimes into one program.

4. Final simplification 59.2%

   \[\leadsto \begin{array}{l} \mathbf{if}\;c \leq 4.4 \cdot 10^{+126}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;0.5 \cdot \frac{\frac{x}{c}}{y \cdot \left(0.8333333333333334 + a\right)}\\ \end{array} \]

Alternative 20: 51.4% accurate, 231.0× speedup

Math

\[\begin{array}{l} \\ 1 \end{array} \]

FPCore

(FPCore (x y z t a b c) :precision binary64 1.0)

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	return 1.0;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    code = 1.0d0
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	return 1.0;
}

Python

def code(x, y, z, t, a, b, c):
	return 1.0

Julia

function code(x, y, z, t, a, b, c)
	return 1.0
end

MATLAB

function tmp = code(x, y, z, t, a, b, c)
	tmp = 1.0;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := 1.0

Derivation

1. Initial program 95.3%

   \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]

2. Taylor expanded in a around inf 66.4%

   \[\leadsto \frac{x}{x + y \cdot e^{2 \cdot \color{blue}{\left(a \cdot \left(c - b\right)\right)}}} \]

3. Taylor expanded in a around 0 35.3%

   \[\leadsto \frac{x}{x + \color{blue}{y}} \]

4. Taylor expanded in x around inf 53.5%

   \[\leadsto \color{blue}{1} \]

5. Final simplification 53.5%

   \[\leadsto 1 \]

Developer target: 95.1% accurate, 0.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := z \cdot \sqrt{t + a}\\ t_2 := a - \frac{5}{6}\\ \mathbf{if}\;t < -2.118326644891581 \cdot 10^{-50}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\left(a \cdot c + 0.8333333333333334 \cdot c\right) - a \cdot b\right)}}\\ \mathbf{elif}\;t < 5.196588770651547 \cdot 10^{-123}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{t_1 \cdot \left(\left(3 \cdot t\right) \cdot t_2\right) - \left(\left(\frac{5}{6} + a\right) \cdot \left(3 \cdot t\right) - 2\right) \cdot \left(t_2 \cdot \left(\left(b - c\right) \cdot t\right)\right)}{\left(\left(t \cdot t\right) \cdot 3\right) \cdot t_2}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{t_1}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (let* ((t_1 (* z (sqrt (+ t a)))) (t_2 (- a (/ 5.0 6.0))))
   (if (< t -2.118326644891581e-50)
     (/
      x
      (+
       x
       (* y (exp (* 2.0 (- (+ (* a c) (* 0.8333333333333334 c)) (* a b)))))))
     (if (< t 5.196588770651547e-123)
       (/
        x
        (+
         x
         (*
          y
          (exp
           (*
            2.0
            (/
             (-
              (* t_1 (* (* 3.0 t) t_2))
              (*
               (- (* (+ (/ 5.0 6.0) a) (* 3.0 t)) 2.0)
               (* t_2 (* (- b c) t))))
             (* (* (* t t) 3.0) t_2)))))))
       (/
        x
        (+
         x
         (*
          y
          (exp
           (*
            2.0
            (-
             (/ t_1 t)
             (* (- b c) (- (+ a (/ 5.0 6.0)) (/ 2.0 (* t 3.0))))))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double t_1 = z * sqrt((t + a));
	double t_2 = a - (5.0 / 6.0);
	double tmp;
	if (t < -2.118326644891581e-50) {
		tmp = x / (x + (y * exp((2.0 * (((a * c) + (0.8333333333333334 * c)) - (a * b))))));
	} else if (t < 5.196588770651547e-123) {
		tmp = x / (x + (y * exp((2.0 * (((t_1 * ((3.0 * t) * t_2)) - (((((5.0 / 6.0) + a) * (3.0 * t)) - 2.0) * (t_2 * ((b - c) * t)))) / (((t * t) * 3.0) * t_2))))));
	} else {
		tmp = x / (x + (y * exp((2.0 * ((t_1 / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: t_1
    real(8) :: t_2
    real(8) :: tmp
    t_1 = z * sqrt((t + a))
    t_2 = a - (5.0d0 / 6.0d0)
    if (t < (-2.118326644891581d-50)) then
        tmp = x / (x + (y * exp((2.0d0 * (((a * c) + (0.8333333333333334d0 * c)) - (a * b))))))
    else if (t < 5.196588770651547d-123) then
        tmp = x / (x + (y * exp((2.0d0 * (((t_1 * ((3.0d0 * t) * t_2)) - (((((5.0d0 / 6.0d0) + a) * (3.0d0 * t)) - 2.0d0) * (t_2 * ((b - c) * t)))) / (((t * t) * 3.0d0) * t_2))))))
    else
        tmp = x / (x + (y * exp((2.0d0 * ((t_1 / t) - ((b - c) * ((a + (5.0d0 / 6.0d0)) - (2.0d0 / (t * 3.0d0)))))))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double t_1 = z * Math.sqrt((t + a));
	double t_2 = a - (5.0 / 6.0);
	double tmp;
	if (t < -2.118326644891581e-50) {
		tmp = x / (x + (y * Math.exp((2.0 * (((a * c) + (0.8333333333333334 * c)) - (a * b))))));
	} else if (t < 5.196588770651547e-123) {
		tmp = x / (x + (y * Math.exp((2.0 * (((t_1 * ((3.0 * t) * t_2)) - (((((5.0 / 6.0) + a) * (3.0 * t)) - 2.0) * (t_2 * ((b - c) * t)))) / (((t * t) * 3.0) * t_2))))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * ((t_1 / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	t_1 = z * math.sqrt((t + a))
	t_2 = a - (5.0 / 6.0)
	tmp = 0
	if t < -2.118326644891581e-50:
		tmp = x / (x + (y * math.exp((2.0 * (((a * c) + (0.8333333333333334 * c)) - (a * b))))))
	elif t < 5.196588770651547e-123:
		tmp = x / (x + (y * math.exp((2.0 * (((t_1 * ((3.0 * t) * t_2)) - (((((5.0 / 6.0) + a) * (3.0 * t)) - 2.0) * (t_2 * ((b - c) * t)))) / (((t * t) * 3.0) * t_2))))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * ((t_1 / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	t_1 = Float64(z * sqrt(Float64(t + a)))
	t_2 = Float64(a - Float64(5.0 / 6.0))
	tmp = 0.0
	if (t < -2.118326644891581e-50)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(Float64(a * c) + Float64(0.8333333333333334 * c)) - Float64(a * b)))))));
	elseif (t < 5.196588770651547e-123)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(Float64(t_1 * Float64(Float64(3.0 * t) * t_2)) - Float64(Float64(Float64(Float64(Float64(5.0 / 6.0) + a) * Float64(3.0 * t)) - 2.0) * Float64(t_2 * Float64(Float64(b - c) * t)))) / Float64(Float64(Float64(t * t) * 3.0) * t_2)))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(t_1 / t) - Float64(Float64(b - c) * Float64(Float64(a + Float64(5.0 / 6.0)) - Float64(2.0 / Float64(t * 3.0))))))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	t_1 = z * sqrt((t + a));
	t_2 = a - (5.0 / 6.0);
	tmp = 0.0;
	if (t < -2.118326644891581e-50)
		tmp = x / (x + (y * exp((2.0 * (((a * c) + (0.8333333333333334 * c)) - (a * b))))));
	elseif (t < 5.196588770651547e-123)
		tmp = x / (x + (y * exp((2.0 * (((t_1 * ((3.0 * t) * t_2)) - (((((5.0 / 6.0) + a) * (3.0 * t)) - 2.0) * (t_2 * ((b - c) * t)))) / (((t * t) * 3.0) * t_2))))));
	else
		tmp = x / (x + (y * exp((2.0 * ((t_1 / t) - ((b - c) * ((a + (5.0 / 6.0)) - (2.0 / (t * 3.0)))))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := Block[{t$95$1 = N[(z * N[Sqrt[N[(t + a), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]}, Block[{t$95$2 = N[(a - N[(5.0 / 6.0), $MachinePrecision]), $MachinePrecision]}, If[Less[t, -2.118326644891581e-50], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(N[(a * c), $MachinePrecision] + N[(0.8333333333333334 * c), $MachinePrecision]), $MachinePrecision] - N[(a * b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[Less[t, 5.196588770651547e-123], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(N[(t$95$1 * N[(N[(3.0 * t), $MachinePrecision] * t$95$2), $MachinePrecision]), $MachinePrecision] - N[(N[(N[(N[(N[(5.0 / 6.0), $MachinePrecision] + a), $MachinePrecision] * N[(3.0 * t), $MachinePrecision]), $MachinePrecision] - 2.0), $MachinePrecision] * N[(t$95$2 * N[(N[(b - c), $MachinePrecision] * t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / N[(N[(N[(t * t), $MachinePrecision] * 3.0), $MachinePrecision] * t$95$2), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(t$95$1 / t), $MachinePrecision] - N[(N[(b - c), $MachinePrecision] * N[(N[(a + N[(5.0 / 6.0), $MachinePrecision]), $MachinePrecision] - N[(2.0 / N[(t * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]]

Reproduce

herbie shell --seed 2023275 
(FPCore (x y z t a b c)
  :name "Numeric.SpecFunctions:invIncompleteBetaWorker from math-functions-0.1.5.2, I"
  :precision binary64

  :herbie-target
  (if (< t -2.118326644891581e-50) (/ x (+ x (* y (exp (* 2.0 (- (+ (* a c) (* 0.8333333333333334 c)) (* a b))))))) (if (< t 5.196588770651547e-123) (/ x (+ x (* y (exp (* 2.0 (/ (- (* (* z (sqrt (+ t a))) (* (* 3.0 t) (- a (/ 5.0 6.0)))) (* (- (* (+ (/ 5.0 6.0) a) (* 3.0 t)) 2.0) (* (- a (/ 5.0 6.0)) (* (- b c) t)))) (* (* (* t t) 3.0) (- a (/ 5.0 6.0))))))))) (/ x (+ x (* y (exp (* 2.0 (- (/ (* z (sqrt (+ t a))) t) (* (- b c) (- (+ a (/ 5.0 6.0)) (/ 2.0 (* t 3.0))))))))))))

  (/ x (+ x (* y (exp (* 2.0 (- (/ (* z (sqrt (+ t a))) t) (* (- b c) (- (+ a (/ 5.0 6.0)) (/ 2.0 (* t 3.0)))))))))))