Diagrams.Solve.Polynomial:cubForm from diagrams-solve-0.1, H

Percentage Accurate: 95.8% → 97.1%

Time: 13.0s

Alternatives: 19

Speedup: 1.0×

• 28.3% of points produce a very large (infinite) output. You may want to add a precondition.

Specification

Math

\[\begin{array}{l} \\ \left(x - \frac{y}{z \cdot 3}\right) + \frac{t}{\left(z \cdot 3\right) \cdot y} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (+ (- x (/ y (* z 3.0))) (/ t (* (* z 3.0) y))))

C

double code(double x, double y, double z, double t) {
	return (x - (y / (z * 3.0))) + (t / ((z * 3.0) * y));
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    code = (x - (y / (z * 3.0d0))) + (t / ((z * 3.0d0) * y))
end function

Java

public static double code(double x, double y, double z, double t) {
	return (x - (y / (z * 3.0))) + (t / ((z * 3.0) * y));
}

Python

def code(x, y, z, t):
	return (x - (y / (z * 3.0))) + (t / ((z * 3.0) * y))

Julia

function code(x, y, z, t)
	return Float64(Float64(x - Float64(y / Float64(z * 3.0))) + Float64(t / Float64(Float64(z * 3.0) * y)))
end

MATLAB

function tmp = code(x, y, z, t)
	tmp = (x - (y / (z * 3.0))) + (t / ((z * 3.0) * y));
end

Wolfram

code[x_, y_, z_, t_] := N[(N[(x - N[(y / N[(z * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] + N[(t / N[(N[(z * 3.0), $MachinePrecision] * y), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]

Initial Program: 95.8% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \left(x - \frac{y}{z \cdot 3}\right) + \frac{t}{\left(z \cdot 3\right) \cdot y} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (+ (- x (/ y (* z 3.0))) (/ t (* (* z 3.0) y))))

C

double code(double x, double y, double z, double t) {
	return (x - (y / (z * 3.0))) + (t / ((z * 3.0) * y));
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    code = (x - (y / (z * 3.0d0))) + (t / ((z * 3.0d0) * y))
end function

Java

public static double code(double x, double y, double z, double t) {
	return (x - (y / (z * 3.0))) + (t / ((z * 3.0) * y));
}

Python

def code(x, y, z, t):
	return (x - (y / (z * 3.0))) + (t / ((z * 3.0) * y))

Julia

function code(x, y, z, t)
	return Float64(Float64(x - Float64(y / Float64(z * 3.0))) + Float64(t / Float64(Float64(z * 3.0) * y)))
end

MATLAB

function tmp = code(x, y, z, t)
	tmp = (x - (y / (z * 3.0))) + (t / ((z * 3.0) * y));
end

Wolfram

code[x_, y_, z_, t_] := N[(N[(x - N[(y / N[(z * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] + N[(t / N[(N[(z * 3.0), $MachinePrecision] * y), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]

Alternative 1: 97.1% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := \frac{t}{y} - y\\ \mathbf{if}\;y \leq -3.6 \cdot 10^{-31}:\\ \;\;\;\;x + \frac{0.3333333333333333 \cdot t_1}{z}\\ \mathbf{elif}\;y \leq 5.2 \cdot 10^{-305}:\\ \;\;\;\;x + \frac{\frac{\frac{t}{z}}{3}}{y}\\ \mathbf{else}:\\ \;\;\;\;x + \frac{t_1}{z \cdot 3}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (let* ((t_1 (- (/ t y) y)))
   (if (<= y -3.6e-31)
     (+ x (/ (* 0.3333333333333333 t_1) z))
     (if (<= y 5.2e-305)
       (+ x (/ (/ (/ t z) 3.0) y))
       (+ x (/ t_1 (* z 3.0)))))))

C

double code(double x, double y, double z, double t) {
	double t_1 = (t / y) - y;
	double tmp;
	if (y <= -3.6e-31) {
		tmp = x + ((0.3333333333333333 * t_1) / z);
	} else if (y <= 5.2e-305) {
		tmp = x + (((t / z) / 3.0) / y);
	} else {
		tmp = x + (t_1 / (z * 3.0));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8) :: t_1
    real(8) :: tmp
    t_1 = (t / y) - y
    if (y <= (-3.6d-31)) then
        tmp = x + ((0.3333333333333333d0 * t_1) / z)
    else if (y <= 5.2d-305) then
        tmp = x + (((t / z) / 3.0d0) / y)
    else
        tmp = x + (t_1 / (z * 3.0d0))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t) {
	double t_1 = (t / y) - y;
	double tmp;
	if (y <= -3.6e-31) {
		tmp = x + ((0.3333333333333333 * t_1) / z);
	} else if (y <= 5.2e-305) {
		tmp = x + (((t / z) / 3.0) / y);
	} else {
		tmp = x + (t_1 / (z * 3.0));
	}
	return tmp;
}

Python

def code(x, y, z, t):
	t_1 = (t / y) - y
	tmp = 0
	if y <= -3.6e-31:
		tmp = x + ((0.3333333333333333 * t_1) / z)
	elif y <= 5.2e-305:
		tmp = x + (((t / z) / 3.0) / y)
	else:
		tmp = x + (t_1 / (z * 3.0))
	return tmp

Julia

function code(x, y, z, t)
	t_1 = Float64(Float64(t / y) - y)
	tmp = 0.0
	if (y <= -3.6e-31)
		tmp = Float64(x + Float64(Float64(0.3333333333333333 * t_1) / z));
	elseif (y <= 5.2e-305)
		tmp = Float64(x + Float64(Float64(Float64(t / z) / 3.0) / y));
	else
		tmp = Float64(x + Float64(t_1 / Float64(z * 3.0)));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t)
	t_1 = (t / y) - y;
	tmp = 0.0;
	if (y <= -3.6e-31)
		tmp = x + ((0.3333333333333333 * t_1) / z);
	elseif (y <= 5.2e-305)
		tmp = x + (((t / z) / 3.0) / y);
	else
		tmp = x + (t_1 / (z * 3.0));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_] := Block[{t$95$1 = N[(N[(t / y), $MachinePrecision] - y), $MachinePrecision]}, If[LessEqual[y, -3.6e-31], N[(x + N[(N[(0.3333333333333333 * t$95$1), $MachinePrecision] / z), $MachinePrecision]), $MachinePrecision], If[LessEqual[y, 5.2e-305], N[(x + N[(N[(N[(t / z), $MachinePrecision] / 3.0), $MachinePrecision] / y), $MachinePrecision]), $MachinePrecision], N[(x + N[(t$95$1 / N[(z * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Alternative 2: 96.8% accurate, 0.1× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;y \leq -5 \cdot 10^{-103}:\\ \;\;\;\;x + \mathsf{fma}\left(-0.3333333333333333, \frac{y}{z}, \frac{t}{y \cdot \left(z \cdot 3\right)}\right)\\ \mathbf{else}:\\ \;\;\;\;\left(x + \frac{\frac{t}{z}}{y \cdot 3}\right) - y \cdot \frac{0.3333333333333333}{z}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (if (<= y -5e-103)
   (+ x (fma -0.3333333333333333 (/ y z) (/ t (* y (* z 3.0)))))
   (- (+ x (/ (/ t z) (* y 3.0))) (* y (/ 0.3333333333333333 z)))))

C

double code(double x, double y, double z, double t) {
	double tmp;
	if (y <= -5e-103) {
		tmp = x + fma(-0.3333333333333333, (y / z), (t / (y * (z * 3.0))));
	} else {
		tmp = (x + ((t / z) / (y * 3.0))) - (y * (0.3333333333333333 / z));
	}
	return tmp;
}

Julia

function code(x, y, z, t)
	tmp = 0.0
	if (y <= -5e-103)
		tmp = Float64(x + fma(-0.3333333333333333, Float64(y / z), Float64(t / Float64(y * Float64(z * 3.0)))));
	else
		tmp = Float64(Float64(x + Float64(Float64(t / z) / Float64(y * 3.0))) - Float64(y * Float64(0.3333333333333333 / z)));
	end
	return tmp
end

Wolfram

code[x_, y_, z_, t_] := If[LessEqual[y, -5e-103], N[(x + N[(-0.3333333333333333 * N[(y / z), $MachinePrecision] + N[(t / N[(y * N[(z * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(N[(x + N[(N[(t / z), $MachinePrecision] / N[(y * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] - N[(y * N[(0.3333333333333333 / z), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Alternative 3: 97.9% accurate, 0.5× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := x - \frac{y}{z \cdot 3}\\ \mathbf{if}\;t_1 + \frac{t}{y \cdot \left(z \cdot 3\right)} \leq 10^{+308}:\\ \;\;\;\;t_1 + \frac{t}{z \cdot \left(y \cdot 3\right)}\\ \mathbf{else}:\\ \;\;\;\;x + \frac{0.3333333333333333}{z} \cdot \left(\frac{t}{y} - y\right)\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (let* ((t_1 (- x (/ y (* z 3.0)))))
   (if (<= (+ t_1 (/ t (* y (* z 3.0)))) 1e+308)
     (+ t_1 (/ t (* z (* y 3.0))))
     (+ x (* (/ 0.3333333333333333 z) (- (/ t y) y))))))

C

double code(double x, double y, double z, double t) {
	double t_1 = x - (y / (z * 3.0));
	double tmp;
	if ((t_1 + (t / (y * (z * 3.0)))) <= 1e+308) {
		tmp = t_1 + (t / (z * (y * 3.0)));
	} else {
		tmp = x + ((0.3333333333333333 / z) * ((t / y) - y));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8) :: t_1
    real(8) :: tmp
    t_1 = x - (y / (z * 3.0d0))
    if ((t_1 + (t / (y * (z * 3.0d0)))) <= 1d+308) then
        tmp = t_1 + (t / (z * (y * 3.0d0)))
    else
        tmp = x + ((0.3333333333333333d0 / z) * ((t / y) - y))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t) {
	double t_1 = x - (y / (z * 3.0));
	double tmp;
	if ((t_1 + (t / (y * (z * 3.0)))) <= 1e+308) {
		tmp = t_1 + (t / (z * (y * 3.0)));
	} else {
		tmp = x + ((0.3333333333333333 / z) * ((t / y) - y));
	}
	return tmp;
}

Python

def code(x, y, z, t):
	t_1 = x - (y / (z * 3.0))
	tmp = 0
	if (t_1 + (t / (y * (z * 3.0)))) <= 1e+308:
		tmp = t_1 + (t / (z * (y * 3.0)))
	else:
		tmp = x + ((0.3333333333333333 / z) * ((t / y) - y))
	return tmp

Julia

function code(x, y, z, t)
	t_1 = Float64(x - Float64(y / Float64(z * 3.0)))
	tmp = 0.0
	if (Float64(t_1 + Float64(t / Float64(y * Float64(z * 3.0)))) <= 1e+308)
		tmp = Float64(t_1 + Float64(t / Float64(z * Float64(y * 3.0))));
	else
		tmp = Float64(x + Float64(Float64(0.3333333333333333 / z) * Float64(Float64(t / y) - y)));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t)
	t_1 = x - (y / (z * 3.0));
	tmp = 0.0;
	if ((t_1 + (t / (y * (z * 3.0)))) <= 1e+308)
		tmp = t_1 + (t / (z * (y * 3.0)));
	else
		tmp = x + ((0.3333333333333333 / z) * ((t / y) - y));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_] := Block[{t$95$1 = N[(x - N[(y / N[(z * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]}, If[LessEqual[N[(t$95$1 + N[(t / N[(y * N[(z * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1e+308], N[(t$95$1 + N[(t / N[(z * N[(y * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x + N[(N[(0.3333333333333333 / z), $MachinePrecision] * N[(N[(t / y), $MachinePrecision] - y), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Alternative 4: 61.5% accurate, 0.7× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := -0.3333333333333333 \cdot \frac{y}{z}\\ t_2 := 0.3333333333333333 \cdot \frac{\frac{t}{y}}{z}\\ \mathbf{if}\;y \leq -5.5 \cdot 10^{+50}:\\ \;\;\;\;t_1\\ \mathbf{elif}\;y \leq -175000:\\ \;\;\;\;x\\ \mathbf{elif}\;y \leq 3.1 \cdot 10^{-180}:\\ \;\;\;\;0.3333333333333333 \cdot \frac{t}{y \cdot z}\\ \mathbf{elif}\;y \leq 1.4 \cdot 10^{-150}:\\ \;\;\;\;x\\ \mathbf{elif}\;y \leq 7 \cdot 10^{-83}:\\ \;\;\;\;t_2\\ \mathbf{elif}\;y \leq 2.1 \cdot 10^{-52}:\\ \;\;\;\;x\\ \mathbf{elif}\;y \leq 230000000:\\ \;\;\;\;t_2\\ \mathbf{elif}\;y \leq 2.9 \cdot 10^{+86}:\\ \;\;\;\;x\\ \mathbf{else}:\\ \;\;\;\;t_1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (let* ((t_1 (* -0.3333333333333333 (/ y z)))
        (t_2 (* 0.3333333333333333 (/ (/ t y) z))))
   (if (<= y -5.5e+50)
     t_1
     (if (<= y -175000.0)
       x
       (if (<= y 3.1e-180)
         (* 0.3333333333333333 (/ t (* y z)))
         (if (<= y 1.4e-150)
           x
           (if (<= y 7e-83)
             t_2
             (if (<= y 2.1e-52)
               x
               (if (<= y 230000000.0) t_2 (if (<= y 2.9e+86) x t_1))))))))))

C

double code(double x, double y, double z, double t) {
	double t_1 = -0.3333333333333333 * (y / z);
	double t_2 = 0.3333333333333333 * ((t / y) / z);
	double tmp;
	if (y <= -5.5e+50) {
		tmp = t_1;
	} else if (y <= -175000.0) {
		tmp = x;
	} else if (y <= 3.1e-180) {
		tmp = 0.3333333333333333 * (t / (y * z));
	} else if (y <= 1.4e-150) {
		tmp = x;
	} else if (y <= 7e-83) {
		tmp = t_2;
	} else if (y <= 2.1e-52) {
		tmp = x;
	} else if (y <= 230000000.0) {
		tmp = t_2;
	} else if (y <= 2.9e+86) {
		tmp = x;
	} else {
		tmp = t_1;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8) :: t_1
    real(8) :: t_2
    real(8) :: tmp
    t_1 = (-0.3333333333333333d0) * (y / z)
    t_2 = 0.3333333333333333d0 * ((t / y) / z)
    if (y <= (-5.5d+50)) then
        tmp = t_1
    else if (y <= (-175000.0d0)) then
        tmp = x
    else if (y <= 3.1d-180) then
        tmp = 0.3333333333333333d0 * (t / (y * z))
    else if (y <= 1.4d-150) then
        tmp = x
    else if (y <= 7d-83) then
        tmp = t_2
    else if (y <= 2.1d-52) then
        tmp = x
    else if (y <= 230000000.0d0) then
        tmp = t_2
    else if (y <= 2.9d+86) then
        tmp = x
    else
        tmp = t_1
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t) {
	double t_1 = -0.3333333333333333 * (y / z);
	double t_2 = 0.3333333333333333 * ((t / y) / z);
	double tmp;
	if (y <= -5.5e+50) {
		tmp = t_1;
	} else if (y <= -175000.0) {
		tmp = x;
	} else if (y <= 3.1e-180) {
		tmp = 0.3333333333333333 * (t / (y * z));
	} else if (y <= 1.4e-150) {
		tmp = x;
	} else if (y <= 7e-83) {
		tmp = t_2;
	} else if (y <= 2.1e-52) {
		tmp = x;
	} else if (y <= 230000000.0) {
		tmp = t_2;
	} else if (y <= 2.9e+86) {
		tmp = x;
	} else {
		tmp = t_1;
	}
	return tmp;
}

Python

def code(x, y, z, t):
	t_1 = -0.3333333333333333 * (y / z)
	t_2 = 0.3333333333333333 * ((t / y) / z)
	tmp = 0
	if y <= -5.5e+50:
		tmp = t_1
	elif y <= -175000.0:
		tmp = x
	elif y <= 3.1e-180:
		tmp = 0.3333333333333333 * (t / (y * z))
	elif y <= 1.4e-150:
		tmp = x
	elif y <= 7e-83:
		tmp = t_2
	elif y <= 2.1e-52:
		tmp = x
	elif y <= 230000000.0:
		tmp = t_2
	elif y <= 2.9e+86:
		tmp = x
	else:
		tmp = t_1
	return tmp

Julia

function code(x, y, z, t)
	t_1 = Float64(-0.3333333333333333 * Float64(y / z))
	t_2 = Float64(0.3333333333333333 * Float64(Float64(t / y) / z))
	tmp = 0.0
	if (y <= -5.5e+50)
		tmp = t_1;
	elseif (y <= -175000.0)
		tmp = x;
	elseif (y <= 3.1e-180)
		tmp = Float64(0.3333333333333333 * Float64(t / Float64(y * z)));
	elseif (y <= 1.4e-150)
		tmp = x;
	elseif (y <= 7e-83)
		tmp = t_2;
	elseif (y <= 2.1e-52)
		tmp = x;
	elseif (y <= 230000000.0)
		tmp = t_2;
	elseif (y <= 2.9e+86)
		tmp = x;
	else
		tmp = t_1;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t)
	t_1 = -0.3333333333333333 * (y / z);
	t_2 = 0.3333333333333333 * ((t / y) / z);
	tmp = 0.0;
	if (y <= -5.5e+50)
		tmp = t_1;
	elseif (y <= -175000.0)
		tmp = x;
	elseif (y <= 3.1e-180)
		tmp = 0.3333333333333333 * (t / (y * z));
	elseif (y <= 1.4e-150)
		tmp = x;
	elseif (y <= 7e-83)
		tmp = t_2;
	elseif (y <= 2.1e-52)
		tmp = x;
	elseif (y <= 230000000.0)
		tmp = t_2;
	elseif (y <= 2.9e+86)
		tmp = x;
	else
		tmp = t_1;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_] := Block[{t$95$1 = N[(-0.3333333333333333 * N[(y / z), $MachinePrecision]), $MachinePrecision]}, Block[{t$95$2 = N[(0.3333333333333333 * N[(N[(t / y), $MachinePrecision] / z), $MachinePrecision]), $MachinePrecision]}, If[LessEqual[y, -5.5e+50], t$95$1, If[LessEqual[y, -175000.0], x, If[LessEqual[y, 3.1e-180], N[(0.3333333333333333 * N[(t / N[(y * z), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[y, 1.4e-150], x, If[LessEqual[y, 7e-83], t$95$2, If[LessEqual[y, 2.1e-52], x, If[LessEqual[y, 230000000.0], t$95$2, If[LessEqual[y, 2.9e+86], x, t$95$1]]]]]]]]]]

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Alternative 5: 75.2% accurate, 0.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := x + y \cdot \frac{-0.3333333333333333}{z}\\ \mathbf{if}\;y \leq -6.5 \cdot 10^{-31}:\\ \;\;\;\;t_1\\ \mathbf{elif}\;y \leq 5.4 \cdot 10^{-181}:\\ \;\;\;\;0.3333333333333333 \cdot \frac{t}{y \cdot z}\\ \mathbf{elif}\;y \leq 1.25 \cdot 10^{-151} \lor \neg \left(y \leq 6.2 \cdot 10^{-104} \lor \neg \left(y \leq 7 \cdot 10^{-52}\right) \land y \leq 1000\right):\\ \;\;\;\;t_1\\ \mathbf{else}:\\ \;\;\;\;0.3333333333333333 \cdot \frac{\frac{t}{y}}{z}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (let* ((t_1 (+ x (* y (/ -0.3333333333333333 z)))))
   (if (<= y -6.5e-31)
     t_1
     (if (<= y 5.4e-181)
       (* 0.3333333333333333 (/ t (* y z)))
       (if (or (<= y 1.25e-151)
               (not
                (or (<= y 6.2e-104) (and (not (<= y 7e-52)) (<= y 1000.0)))))
         t_1
         (* 0.3333333333333333 (/ (/ t y) z)))))))

C

double code(double x, double y, double z, double t) {
	double t_1 = x + (y * (-0.3333333333333333 / z));
	double tmp;
	if (y <= -6.5e-31) {
		tmp = t_1;
	} else if (y <= 5.4e-181) {
		tmp = 0.3333333333333333 * (t / (y * z));
	} else if ((y <= 1.25e-151) || !((y <= 6.2e-104) || (!(y <= 7e-52) && (y <= 1000.0)))) {
		tmp = t_1;
	} else {
		tmp = 0.3333333333333333 * ((t / y) / z);
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8) :: t_1
    real(8) :: tmp
    t_1 = x + (y * ((-0.3333333333333333d0) / z))
    if (y <= (-6.5d-31)) then
        tmp = t_1
    else if (y <= 5.4d-181) then
        tmp = 0.3333333333333333d0 * (t / (y * z))
    else if ((y <= 1.25d-151) .or. (.not. (y <= 6.2d-104) .or. (.not. (y <= 7d-52)) .and. (y <= 1000.0d0))) then
        tmp = t_1
    else
        tmp = 0.3333333333333333d0 * ((t / y) / z)
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t) {
	double t_1 = x + (y * (-0.3333333333333333 / z));
	double tmp;
	if (y <= -6.5e-31) {
		tmp = t_1;
	} else if (y <= 5.4e-181) {
		tmp = 0.3333333333333333 * (t / (y * z));
	} else if ((y <= 1.25e-151) || !((y <= 6.2e-104) || (!(y <= 7e-52) && (y <= 1000.0)))) {
		tmp = t_1;
	} else {
		tmp = 0.3333333333333333 * ((t / y) / z);
	}
	return tmp;
}

Python

def code(x, y, z, t):
	t_1 = x + (y * (-0.3333333333333333 / z))
	tmp = 0
	if y <= -6.5e-31:
		tmp = t_1
	elif y <= 5.4e-181:
		tmp = 0.3333333333333333 * (t / (y * z))
	elif (y <= 1.25e-151) or not ((y <= 6.2e-104) or (not (y <= 7e-52) and (y <= 1000.0))):
		tmp = t_1
	else:
		tmp = 0.3333333333333333 * ((t / y) / z)
	return tmp

Julia

function code(x, y, z, t)
	t_1 = Float64(x + Float64(y * Float64(-0.3333333333333333 / z)))
	tmp = 0.0
	if (y <= -6.5e-31)
		tmp = t_1;
	elseif (y <= 5.4e-181)
		tmp = Float64(0.3333333333333333 * Float64(t / Float64(y * z)));
	elseif ((y <= 1.25e-151) || !((y <= 6.2e-104) || (!(y <= 7e-52) && (y <= 1000.0))))
		tmp = t_1;
	else
		tmp = Float64(0.3333333333333333 * Float64(Float64(t / y) / z));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t)
	t_1 = x + (y * (-0.3333333333333333 / z));
	tmp = 0.0;
	if (y <= -6.5e-31)
		tmp = t_1;
	elseif (y <= 5.4e-181)
		tmp = 0.3333333333333333 * (t / (y * z));
	elseif ((y <= 1.25e-151) || ~(((y <= 6.2e-104) || (~((y <= 7e-52)) && (y <= 1000.0)))))
		tmp = t_1;
	else
		tmp = 0.3333333333333333 * ((t / y) / z);
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_] := Block[{t$95$1 = N[(x + N[(y * N[(-0.3333333333333333 / z), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]}, If[LessEqual[y, -6.5e-31], t$95$1, If[LessEqual[y, 5.4e-181], N[(0.3333333333333333 * N[(t / N[(y * z), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[Or[LessEqual[y, 1.25e-151], N[Not[Or[LessEqual[y, 6.2e-104], And[N[Not[LessEqual[y, 7e-52]], $MachinePrecision], LessEqual[y, 1000.0]]]], $MachinePrecision]], t$95$1, N[(0.3333333333333333 * N[(N[(t / y), $MachinePrecision] / z), $MachinePrecision]), $MachinePrecision]]]]]

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Alternative 6: 75.1% accurate, 0.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := x + \frac{y \cdot -0.3333333333333333}{z}\\ t_2 := x + y \cdot \frac{-0.3333333333333333}{z}\\ t_3 := 0.3333333333333333 \cdot \frac{\frac{t}{y}}{z}\\ \mathbf{if}\;y \leq -1.2 \cdot 10^{-30}:\\ \;\;\;\;t_1\\ \mathbf{elif}\;y \leq 5.4 \cdot 10^{-181}:\\ \;\;\;\;0.3333333333333333 \cdot \frac{t}{y \cdot z}\\ \mathbf{elif}\;y \leq 4.2 \cdot 10^{-147}:\\ \;\;\;\;t_2\\ \mathbf{elif}\;y \leq 1.8 \cdot 10^{-105}:\\ \;\;\;\;t_3\\ \mathbf{elif}\;y \leq 1.9 \cdot 10^{-51}:\\ \;\;\;\;t_2\\ \mathbf{elif}\;y \leq 10:\\ \;\;\;\;t_3\\ \mathbf{else}:\\ \;\;\;\;t_1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (let* ((t_1 (+ x (/ (* y -0.3333333333333333) z)))
        (t_2 (+ x (* y (/ -0.3333333333333333 z))))
        (t_3 (* 0.3333333333333333 (/ (/ t y) z))))
   (if (<= y -1.2e-30)
     t_1
     (if (<= y 5.4e-181)
       (* 0.3333333333333333 (/ t (* y z)))
       (if (<= y 4.2e-147)
         t_2
         (if (<= y 1.8e-105)
           t_3
           (if (<= y 1.9e-51) t_2 (if (<= y 10.0) t_3 t_1))))))))

C

double code(double x, double y, double z, double t) {
	double t_1 = x + ((y * -0.3333333333333333) / z);
	double t_2 = x + (y * (-0.3333333333333333 / z));
	double t_3 = 0.3333333333333333 * ((t / y) / z);
	double tmp;
	if (y <= -1.2e-30) {
		tmp = t_1;
	} else if (y <= 5.4e-181) {
		tmp = 0.3333333333333333 * (t / (y * z));
	} else if (y <= 4.2e-147) {
		tmp = t_2;
	} else if (y <= 1.8e-105) {
		tmp = t_3;
	} else if (y <= 1.9e-51) {
		tmp = t_2;
	} else if (y <= 10.0) {
		tmp = t_3;
	} else {
		tmp = t_1;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8) :: t_1
    real(8) :: t_2
    real(8) :: t_3
    real(8) :: tmp
    t_1 = x + ((y * (-0.3333333333333333d0)) / z)
    t_2 = x + (y * ((-0.3333333333333333d0) / z))
    t_3 = 0.3333333333333333d0 * ((t / y) / z)
    if (y <= (-1.2d-30)) then
        tmp = t_1
    else if (y <= 5.4d-181) then
        tmp = 0.3333333333333333d0 * (t / (y * z))
    else if (y <= 4.2d-147) then
        tmp = t_2
    else if (y <= 1.8d-105) then
        tmp = t_3
    else if (y <= 1.9d-51) then
        tmp = t_2
    else if (y <= 10.0d0) then
        tmp = t_3
    else
        tmp = t_1
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t) {
	double t_1 = x + ((y * -0.3333333333333333) / z);
	double t_2 = x + (y * (-0.3333333333333333 / z));
	double t_3 = 0.3333333333333333 * ((t / y) / z);
	double tmp;
	if (y <= -1.2e-30) {
		tmp = t_1;
	} else if (y <= 5.4e-181) {
		tmp = 0.3333333333333333 * (t / (y * z));
	} else if (y <= 4.2e-147) {
		tmp = t_2;
	} else if (y <= 1.8e-105) {
		tmp = t_3;
	} else if (y <= 1.9e-51) {
		tmp = t_2;
	} else if (y <= 10.0) {
		tmp = t_3;
	} else {
		tmp = t_1;
	}
	return tmp;
}

Python

def code(x, y, z, t):
	t_1 = x + ((y * -0.3333333333333333) / z)
	t_2 = x + (y * (-0.3333333333333333 / z))
	t_3 = 0.3333333333333333 * ((t / y) / z)
	tmp = 0
	if y <= -1.2e-30:
		tmp = t_1
	elif y <= 5.4e-181:
		tmp = 0.3333333333333333 * (t / (y * z))
	elif y <= 4.2e-147:
		tmp = t_2
	elif y <= 1.8e-105:
		tmp = t_3
	elif y <= 1.9e-51:
		tmp = t_2
	elif y <= 10.0:
		tmp = t_3
	else:
		tmp = t_1
	return tmp

Julia

function code(x, y, z, t)
	t_1 = Float64(x + Float64(Float64(y * -0.3333333333333333) / z))
	t_2 = Float64(x + Float64(y * Float64(-0.3333333333333333 / z)))
	t_3 = Float64(0.3333333333333333 * Float64(Float64(t / y) / z))
	tmp = 0.0
	if (y <= -1.2e-30)
		tmp = t_1;
	elseif (y <= 5.4e-181)
		tmp = Float64(0.3333333333333333 * Float64(t / Float64(y * z)));
	elseif (y <= 4.2e-147)
		tmp = t_2;
	elseif (y <= 1.8e-105)
		tmp = t_3;
	elseif (y <= 1.9e-51)
		tmp = t_2;
	elseif (y <= 10.0)
		tmp = t_3;
	else
		tmp = t_1;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t)
	t_1 = x + ((y * -0.3333333333333333) / z);
	t_2 = x + (y * (-0.3333333333333333 / z));
	t_3 = 0.3333333333333333 * ((t / y) / z);
	tmp = 0.0;
	if (y <= -1.2e-30)
		tmp = t_1;
	elseif (y <= 5.4e-181)
		tmp = 0.3333333333333333 * (t / (y * z));
	elseif (y <= 4.2e-147)
		tmp = t_2;
	elseif (y <= 1.8e-105)
		tmp = t_3;
	elseif (y <= 1.9e-51)
		tmp = t_2;
	elseif (y <= 10.0)
		tmp = t_3;
	else
		tmp = t_1;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_] := Block[{t$95$1 = N[(x + N[(N[(y * -0.3333333333333333), $MachinePrecision] / z), $MachinePrecision]), $MachinePrecision]}, Block[{t$95$2 = N[(x + N[(y * N[(-0.3333333333333333 / z), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]}, Block[{t$95$3 = N[(0.3333333333333333 * N[(N[(t / y), $MachinePrecision] / z), $MachinePrecision]), $MachinePrecision]}, If[LessEqual[y, -1.2e-30], t$95$1, If[LessEqual[y, 5.4e-181], N[(0.3333333333333333 * N[(t / N[(y * z), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[y, 4.2e-147], t$95$2, If[LessEqual[y, 1.8e-105], t$95$3, If[LessEqual[y, 1.9e-51], t$95$2, If[LessEqual[y, 10.0], t$95$3, t$95$1]]]]]]]]]

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Alternative 7: 75.1% accurate, 0.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := 0.3333333333333333 \cdot \frac{\frac{t}{y}}{z}\\ t_2 := x - \frac{y}{z} \cdot 0.3333333333333333\\ t_3 := x + y \cdot \frac{-0.3333333333333333}{z}\\ \mathbf{if}\;y \leq -3.9 \cdot 10^{-31}:\\ \;\;\;\;t_2\\ \mathbf{elif}\;y \leq 2.35 \cdot 10^{-180}:\\ \;\;\;\;0.3333333333333333 \cdot \frac{t}{y \cdot z}\\ \mathbf{elif}\;y \leq 1.7 \cdot 10^{-151}:\\ \;\;\;\;t_3\\ \mathbf{elif}\;y \leq 1.1 \cdot 10^{-108}:\\ \;\;\;\;t_1\\ \mathbf{elif}\;y \leq 1.1 \cdot 10^{-51}:\\ \;\;\;\;t_3\\ \mathbf{elif}\;y \leq 105000:\\ \;\;\;\;t_1\\ \mathbf{else}:\\ \;\;\;\;t_2\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (let* ((t_1 (* 0.3333333333333333 (/ (/ t y) z)))
        (t_2 (- x (* (/ y z) 0.3333333333333333)))
        (t_3 (+ x (* y (/ -0.3333333333333333 z)))))
   (if (<= y -3.9e-31)
     t_2
     (if (<= y 2.35e-180)
       (* 0.3333333333333333 (/ t (* y z)))
       (if (<= y 1.7e-151)
         t_3
         (if (<= y 1.1e-108)
           t_1
           (if (<= y 1.1e-51) t_3 (if (<= y 105000.0) t_1 t_2))))))))

C

double code(double x, double y, double z, double t) {
	double t_1 = 0.3333333333333333 * ((t / y) / z);
	double t_2 = x - ((y / z) * 0.3333333333333333);
	double t_3 = x + (y * (-0.3333333333333333 / z));
	double tmp;
	if (y <= -3.9e-31) {
		tmp = t_2;
	} else if (y <= 2.35e-180) {
		tmp = 0.3333333333333333 * (t / (y * z));
	} else if (y <= 1.7e-151) {
		tmp = t_3;
	} else if (y <= 1.1e-108) {
		tmp = t_1;
	} else if (y <= 1.1e-51) {
		tmp = t_3;
	} else if (y <= 105000.0) {
		tmp = t_1;
	} else {
		tmp = t_2;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8) :: t_1
    real(8) :: t_2
    real(8) :: t_3
    real(8) :: tmp
    t_1 = 0.3333333333333333d0 * ((t / y) / z)
    t_2 = x - ((y / z) * 0.3333333333333333d0)
    t_3 = x + (y * ((-0.3333333333333333d0) / z))
    if (y <= (-3.9d-31)) then
        tmp = t_2
    else if (y <= 2.35d-180) then
        tmp = 0.3333333333333333d0 * (t / (y * z))
    else if (y <= 1.7d-151) then
        tmp = t_3
    else if (y <= 1.1d-108) then
        tmp = t_1
    else if (y <= 1.1d-51) then
        tmp = t_3
    else if (y <= 105000.0d0) then
        tmp = t_1
    else
        tmp = t_2
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t) {
	double t_1 = 0.3333333333333333 * ((t / y) / z);
	double t_2 = x - ((y / z) * 0.3333333333333333);
	double t_3 = x + (y * (-0.3333333333333333 / z));
	double tmp;
	if (y <= -3.9e-31) {
		tmp = t_2;
	} else if (y <= 2.35e-180) {
		tmp = 0.3333333333333333 * (t / (y * z));
	} else if (y <= 1.7e-151) {
		tmp = t_3;
	} else if (y <= 1.1e-108) {
		tmp = t_1;
	} else if (y <= 1.1e-51) {
		tmp = t_3;
	} else if (y <= 105000.0) {
		tmp = t_1;
	} else {
		tmp = t_2;
	}
	return tmp;
}

Python

def code(x, y, z, t):
	t_1 = 0.3333333333333333 * ((t / y) / z)
	t_2 = x - ((y / z) * 0.3333333333333333)
	t_3 = x + (y * (-0.3333333333333333 / z))
	tmp = 0
	if y <= -3.9e-31:
		tmp = t_2
	elif y <= 2.35e-180:
		tmp = 0.3333333333333333 * (t / (y * z))
	elif y <= 1.7e-151:
		tmp = t_3
	elif y <= 1.1e-108:
		tmp = t_1
	elif y <= 1.1e-51:
		tmp = t_3
	elif y <= 105000.0:
		tmp = t_1
	else:
		tmp = t_2
	return tmp

Julia

function code(x, y, z, t)
	t_1 = Float64(0.3333333333333333 * Float64(Float64(t / y) / z))
	t_2 = Float64(x - Float64(Float64(y / z) * 0.3333333333333333))
	t_3 = Float64(x + Float64(y * Float64(-0.3333333333333333 / z)))
	tmp = 0.0
	if (y <= -3.9e-31)
		tmp = t_2;
	elseif (y <= 2.35e-180)
		tmp = Float64(0.3333333333333333 * Float64(t / Float64(y * z)));
	elseif (y <= 1.7e-151)
		tmp = t_3;
	elseif (y <= 1.1e-108)
		tmp = t_1;
	elseif (y <= 1.1e-51)
		tmp = t_3;
	elseif (y <= 105000.0)
		tmp = t_1;
	else
		tmp = t_2;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t)
	t_1 = 0.3333333333333333 * ((t / y) / z);
	t_2 = x - ((y / z) * 0.3333333333333333);
	t_3 = x + (y * (-0.3333333333333333 / z));
	tmp = 0.0;
	if (y <= -3.9e-31)
		tmp = t_2;
	elseif (y <= 2.35e-180)
		tmp = 0.3333333333333333 * (t / (y * z));
	elseif (y <= 1.7e-151)
		tmp = t_3;
	elseif (y <= 1.1e-108)
		tmp = t_1;
	elseif (y <= 1.1e-51)
		tmp = t_3;
	elseif (y <= 105000.0)
		tmp = t_1;
	else
		tmp = t_2;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_] := Block[{t$95$1 = N[(0.3333333333333333 * N[(N[(t / y), $MachinePrecision] / z), $MachinePrecision]), $MachinePrecision]}, Block[{t$95$2 = N[(x - N[(N[(y / z), $MachinePrecision] * 0.3333333333333333), $MachinePrecision]), $MachinePrecision]}, Block[{t$95$3 = N[(x + N[(y * N[(-0.3333333333333333 / z), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]}, If[LessEqual[y, -3.9e-31], t$95$2, If[LessEqual[y, 2.35e-180], N[(0.3333333333333333 * N[(t / N[(y * z), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[y, 1.7e-151], t$95$3, If[LessEqual[y, 1.1e-108], t$95$1, If[LessEqual[y, 1.1e-51], t$95$3, If[LessEqual[y, 105000.0], t$95$1, t$95$2]]]]]]]]]

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Alternative 8: 75.3% accurate, 0.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := x + y \cdot \frac{-0.3333333333333333}{z}\\ t_2 := 0.3333333333333333 \cdot \frac{\frac{t}{y}}{z}\\ \mathbf{if}\;y \leq -8.5 \cdot 10^{-31}:\\ \;\;\;\;x - \frac{y}{z} \cdot 0.3333333333333333\\ \mathbf{elif}\;y \leq 2.7 \cdot 10^{-180}:\\ \;\;\;\;0.3333333333333333 \cdot \frac{t}{y \cdot z}\\ \mathbf{elif}\;y \leq 1.1 \cdot 10^{-151}:\\ \;\;\;\;t_1\\ \mathbf{elif}\;y \leq 10^{-102}:\\ \;\;\;\;t_2\\ \mathbf{elif}\;y \leq 2.05 \cdot 10^{-51}:\\ \;\;\;\;t_1\\ \mathbf{elif}\;y \leq 29.5:\\ \;\;\;\;t_2\\ \mathbf{else}:\\ \;\;\;\;x - \frac{y}{z \cdot 3}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (let* ((t_1 (+ x (* y (/ -0.3333333333333333 z))))
        (t_2 (* 0.3333333333333333 (/ (/ t y) z))))
   (if (<= y -8.5e-31)
     (- x (* (/ y z) 0.3333333333333333))
     (if (<= y 2.7e-180)
       (* 0.3333333333333333 (/ t (* y z)))
       (if (<= y 1.1e-151)
         t_1
         (if (<= y 1e-102)
           t_2
           (if (<= y 2.05e-51)
             t_1
             (if (<= y 29.5) t_2 (- x (/ y (* z 3.0)))))))))))

C

double code(double x, double y, double z, double t) {
	double t_1 = x + (y * (-0.3333333333333333 / z));
	double t_2 = 0.3333333333333333 * ((t / y) / z);
	double tmp;
	if (y <= -8.5e-31) {
		tmp = x - ((y / z) * 0.3333333333333333);
	} else if (y <= 2.7e-180) {
		tmp = 0.3333333333333333 * (t / (y * z));
	} else if (y <= 1.1e-151) {
		tmp = t_1;
	} else if (y <= 1e-102) {
		tmp = t_2;
	} else if (y <= 2.05e-51) {
		tmp = t_1;
	} else if (y <= 29.5) {
		tmp = t_2;
	} else {
		tmp = x - (y / (z * 3.0));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8) :: t_1
    real(8) :: t_2
    real(8) :: tmp
    t_1 = x + (y * ((-0.3333333333333333d0) / z))
    t_2 = 0.3333333333333333d0 * ((t / y) / z)
    if (y <= (-8.5d-31)) then
        tmp = x - ((y / z) * 0.3333333333333333d0)
    else if (y <= 2.7d-180) then
        tmp = 0.3333333333333333d0 * (t / (y * z))
    else if (y <= 1.1d-151) then
        tmp = t_1
    else if (y <= 1d-102) then
        tmp = t_2
    else if (y <= 2.05d-51) then
        tmp = t_1
    else if (y <= 29.5d0) then
        tmp = t_2
    else
        tmp = x - (y / (z * 3.0d0))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t) {
	double t_1 = x + (y * (-0.3333333333333333 / z));
	double t_2 = 0.3333333333333333 * ((t / y) / z);
	double tmp;
	if (y <= -8.5e-31) {
		tmp = x - ((y / z) * 0.3333333333333333);
	} else if (y <= 2.7e-180) {
		tmp = 0.3333333333333333 * (t / (y * z));
	} else if (y <= 1.1e-151) {
		tmp = t_1;
	} else if (y <= 1e-102) {
		tmp = t_2;
	} else if (y <= 2.05e-51) {
		tmp = t_1;
	} else if (y <= 29.5) {
		tmp = t_2;
	} else {
		tmp = x - (y / (z * 3.0));
	}
	return tmp;
}

Python

def code(x, y, z, t):
	t_1 = x + (y * (-0.3333333333333333 / z))
	t_2 = 0.3333333333333333 * ((t / y) / z)
	tmp = 0
	if y <= -8.5e-31:
		tmp = x - ((y / z) * 0.3333333333333333)
	elif y <= 2.7e-180:
		tmp = 0.3333333333333333 * (t / (y * z))
	elif y <= 1.1e-151:
		tmp = t_1
	elif y <= 1e-102:
		tmp = t_2
	elif y <= 2.05e-51:
		tmp = t_1
	elif y <= 29.5:
		tmp = t_2
	else:
		tmp = x - (y / (z * 3.0))
	return tmp

Julia

function code(x, y, z, t)
	t_1 = Float64(x + Float64(y * Float64(-0.3333333333333333 / z)))
	t_2 = Float64(0.3333333333333333 * Float64(Float64(t / y) / z))
	tmp = 0.0
	if (y <= -8.5e-31)
		tmp = Float64(x - Float64(Float64(y / z) * 0.3333333333333333));
	elseif (y <= 2.7e-180)
		tmp = Float64(0.3333333333333333 * Float64(t / Float64(y * z)));
	elseif (y <= 1.1e-151)
		tmp = t_1;
	elseif (y <= 1e-102)
		tmp = t_2;
	elseif (y <= 2.05e-51)
		tmp = t_1;
	elseif (y <= 29.5)
		tmp = t_2;
	else
		tmp = Float64(x - Float64(y / Float64(z * 3.0)));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t)
	t_1 = x + (y * (-0.3333333333333333 / z));
	t_2 = 0.3333333333333333 * ((t / y) / z);
	tmp = 0.0;
	if (y <= -8.5e-31)
		tmp = x - ((y / z) * 0.3333333333333333);
	elseif (y <= 2.7e-180)
		tmp = 0.3333333333333333 * (t / (y * z));
	elseif (y <= 1.1e-151)
		tmp = t_1;
	elseif (y <= 1e-102)
		tmp = t_2;
	elseif (y <= 2.05e-51)
		tmp = t_1;
	elseif (y <= 29.5)
		tmp = t_2;
	else
		tmp = x - (y / (z * 3.0));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_] := Block[{t$95$1 = N[(x + N[(y * N[(-0.3333333333333333 / z), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]}, Block[{t$95$2 = N[(0.3333333333333333 * N[(N[(t / y), $MachinePrecision] / z), $MachinePrecision]), $MachinePrecision]}, If[LessEqual[y, -8.5e-31], N[(x - N[(N[(y / z), $MachinePrecision] * 0.3333333333333333), $MachinePrecision]), $MachinePrecision], If[LessEqual[y, 2.7e-180], N[(0.3333333333333333 * N[(t / N[(y * z), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[y, 1.1e-151], t$95$1, If[LessEqual[y, 1e-102], t$95$2, If[LessEqual[y, 2.05e-51], t$95$1, If[LessEqual[y, 29.5], t$95$2, N[(x - N[(y / N[(z * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]]]]]]

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Alternative 9: 60.3% accurate, 0.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := 0.3333333333333333 \cdot \frac{t}{y \cdot z}\\ t_2 := -0.3333333333333333 \cdot \frac{y}{z}\\ \mathbf{if}\;y \leq -4.8 \cdot 10^{+50}:\\ \;\;\;\;t_2\\ \mathbf{elif}\;y \leq -10600000:\\ \;\;\;\;x\\ \mathbf{elif}\;y \leq 3.1 \cdot 10^{-180}:\\ \;\;\;\;t_1\\ \mathbf{elif}\;y \leq 3 \cdot 10^{-52}:\\ \;\;\;\;x\\ \mathbf{elif}\;y \leq 13000:\\ \;\;\;\;t_1\\ \mathbf{elif}\;y \leq 1.2 \cdot 10^{+88}:\\ \;\;\;\;x\\ \mathbf{else}:\\ \;\;\;\;t_2\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (let* ((t_1 (* 0.3333333333333333 (/ t (* y z))))
        (t_2 (* -0.3333333333333333 (/ y z))))
   (if (<= y -4.8e+50)
     t_2
     (if (<= y -10600000.0)
       x
       (if (<= y 3.1e-180)
         t_1
         (if (<= y 3e-52)
           x
           (if (<= y 13000.0) t_1 (if (<= y 1.2e+88) x t_2))))))))

C

double code(double x, double y, double z, double t) {
	double t_1 = 0.3333333333333333 * (t / (y * z));
	double t_2 = -0.3333333333333333 * (y / z);
	double tmp;
	if (y <= -4.8e+50) {
		tmp = t_2;
	} else if (y <= -10600000.0) {
		tmp = x;
	} else if (y <= 3.1e-180) {
		tmp = t_1;
	} else if (y <= 3e-52) {
		tmp = x;
	} else if (y <= 13000.0) {
		tmp = t_1;
	} else if (y <= 1.2e+88) {
		tmp = x;
	} else {
		tmp = t_2;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8) :: t_1
    real(8) :: t_2
    real(8) :: tmp
    t_1 = 0.3333333333333333d0 * (t / (y * z))
    t_2 = (-0.3333333333333333d0) * (y / z)
    if (y <= (-4.8d+50)) then
        tmp = t_2
    else if (y <= (-10600000.0d0)) then
        tmp = x
    else if (y <= 3.1d-180) then
        tmp = t_1
    else if (y <= 3d-52) then
        tmp = x
    else if (y <= 13000.0d0) then
        tmp = t_1
    else if (y <= 1.2d+88) then
        tmp = x
    else
        tmp = t_2
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t) {
	double t_1 = 0.3333333333333333 * (t / (y * z));
	double t_2 = -0.3333333333333333 * (y / z);
	double tmp;
	if (y <= -4.8e+50) {
		tmp = t_2;
	} else if (y <= -10600000.0) {
		tmp = x;
	} else if (y <= 3.1e-180) {
		tmp = t_1;
	} else if (y <= 3e-52) {
		tmp = x;
	} else if (y <= 13000.0) {
		tmp = t_1;
	} else if (y <= 1.2e+88) {
		tmp = x;
	} else {
		tmp = t_2;
	}
	return tmp;
}

Python

def code(x, y, z, t):
	t_1 = 0.3333333333333333 * (t / (y * z))
	t_2 = -0.3333333333333333 * (y / z)
	tmp = 0
	if y <= -4.8e+50:
		tmp = t_2
	elif y <= -10600000.0:
		tmp = x
	elif y <= 3.1e-180:
		tmp = t_1
	elif y <= 3e-52:
		tmp = x
	elif y <= 13000.0:
		tmp = t_1
	elif y <= 1.2e+88:
		tmp = x
	else:
		tmp = t_2
	return tmp

Julia

function code(x, y, z, t)
	t_1 = Float64(0.3333333333333333 * Float64(t / Float64(y * z)))
	t_2 = Float64(-0.3333333333333333 * Float64(y / z))
	tmp = 0.0
	if (y <= -4.8e+50)
		tmp = t_2;
	elseif (y <= -10600000.0)
		tmp = x;
	elseif (y <= 3.1e-180)
		tmp = t_1;
	elseif (y <= 3e-52)
		tmp = x;
	elseif (y <= 13000.0)
		tmp = t_1;
	elseif (y <= 1.2e+88)
		tmp = x;
	else
		tmp = t_2;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t)
	t_1 = 0.3333333333333333 * (t / (y * z));
	t_2 = -0.3333333333333333 * (y / z);
	tmp = 0.0;
	if (y <= -4.8e+50)
		tmp = t_2;
	elseif (y <= -10600000.0)
		tmp = x;
	elseif (y <= 3.1e-180)
		tmp = t_1;
	elseif (y <= 3e-52)
		tmp = x;
	elseif (y <= 13000.0)
		tmp = t_1;
	elseif (y <= 1.2e+88)
		tmp = x;
	else
		tmp = t_2;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_] := Block[{t$95$1 = N[(0.3333333333333333 * N[(t / N[(y * z), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]}, Block[{t$95$2 = N[(-0.3333333333333333 * N[(y / z), $MachinePrecision]), $MachinePrecision]}, If[LessEqual[y, -4.8e+50], t$95$2, If[LessEqual[y, -10600000.0], x, If[LessEqual[y, 3.1e-180], t$95$1, If[LessEqual[y, 3e-52], x, If[LessEqual[y, 13000.0], t$95$1, If[LessEqual[y, 1.2e+88], x, t$95$2]]]]]]]]

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Alternative 10: 79.9% accurate, 0.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;z \cdot 3 \leq -1 \cdot 10^{-21}:\\ \;\;\;\;x - \frac{y}{z} \cdot 0.3333333333333333\\ \mathbf{elif}\;z \cdot 3 \leq 2 \cdot 10^{-35}:\\ \;\;\;\;0.3333333333333333 \cdot \frac{\frac{t}{y} - y}{z}\\ \mathbf{else}:\\ \;\;\;\;x + \frac{y \cdot -0.3333333333333333}{z}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (if (<= (* z 3.0) -1e-21)
   (- x (* (/ y z) 0.3333333333333333))
   (if (<= (* z 3.0) 2e-35)
     (* 0.3333333333333333 (/ (- (/ t y) y) z))
     (+ x (/ (* y -0.3333333333333333) z)))))

C

double code(double x, double y, double z, double t) {
	double tmp;
	if ((z * 3.0) <= -1e-21) {
		tmp = x - ((y / z) * 0.3333333333333333);
	} else if ((z * 3.0) <= 2e-35) {
		tmp = 0.3333333333333333 * (((t / y) - y) / z);
	} else {
		tmp = x + ((y * -0.3333333333333333) / z);
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8) :: tmp
    if ((z * 3.0d0) <= (-1d-21)) then
        tmp = x - ((y / z) * 0.3333333333333333d0)
    else if ((z * 3.0d0) <= 2d-35) then
        tmp = 0.3333333333333333d0 * (((t / y) - y) / z)
    else
        tmp = x + ((y * (-0.3333333333333333d0)) / z)
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t) {
	double tmp;
	if ((z * 3.0) <= -1e-21) {
		tmp = x - ((y / z) * 0.3333333333333333);
	} else if ((z * 3.0) <= 2e-35) {
		tmp = 0.3333333333333333 * (((t / y) - y) / z);
	} else {
		tmp = x + ((y * -0.3333333333333333) / z);
	}
	return tmp;
}

Python

def code(x, y, z, t):
	tmp = 0
	if (z * 3.0) <= -1e-21:
		tmp = x - ((y / z) * 0.3333333333333333)
	elif (z * 3.0) <= 2e-35:
		tmp = 0.3333333333333333 * (((t / y) - y) / z)
	else:
		tmp = x + ((y * -0.3333333333333333) / z)
	return tmp

Julia

function code(x, y, z, t)
	tmp = 0.0
	if (Float64(z * 3.0) <= -1e-21)
		tmp = Float64(x - Float64(Float64(y / z) * 0.3333333333333333));
	elseif (Float64(z * 3.0) <= 2e-35)
		tmp = Float64(0.3333333333333333 * Float64(Float64(Float64(t / y) - y) / z));
	else
		tmp = Float64(x + Float64(Float64(y * -0.3333333333333333) / z));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t)
	tmp = 0.0;
	if ((z * 3.0) <= -1e-21)
		tmp = x - ((y / z) * 0.3333333333333333);
	elseif ((z * 3.0) <= 2e-35)
		tmp = 0.3333333333333333 * (((t / y) - y) / z);
	else
		tmp = x + ((y * -0.3333333333333333) / z);
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_] := If[LessEqual[N[(z * 3.0), $MachinePrecision], -1e-21], N[(x - N[(N[(y / z), $MachinePrecision] * 0.3333333333333333), $MachinePrecision]), $MachinePrecision], If[LessEqual[N[(z * 3.0), $MachinePrecision], 2e-35], N[(0.3333333333333333 * N[(N[(N[(t / y), $MachinePrecision] - y), $MachinePrecision] / z), $MachinePrecision]), $MachinePrecision], N[(x + N[(N[(y * -0.3333333333333333), $MachinePrecision] / z), $MachinePrecision]), $MachinePrecision]]]

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Alternative 11: 97.0% accurate, 0.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;y \leq -0.0002:\\ \;\;\;\;\left(x - \frac{y}{z \cdot 3}\right) + \frac{t}{z \cdot \left(y \cdot 3\right)}\\ \mathbf{else}:\\ \;\;\;\;\left(x + \frac{\frac{t}{z}}{y \cdot 3}\right) - y \cdot \frac{0.3333333333333333}{z}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (if (<= y -0.0002)
   (+ (- x (/ y (* z 3.0))) (/ t (* z (* y 3.0))))
   (- (+ x (/ (/ t z) (* y 3.0))) (* y (/ 0.3333333333333333 z)))))

C

double code(double x, double y, double z, double t) {
	double tmp;
	if (y <= -0.0002) {
		tmp = (x - (y / (z * 3.0))) + (t / (z * (y * 3.0)));
	} else {
		tmp = (x + ((t / z) / (y * 3.0))) - (y * (0.3333333333333333 / z));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8) :: tmp
    if (y <= (-0.0002d0)) then
        tmp = (x - (y / (z * 3.0d0))) + (t / (z * (y * 3.0d0)))
    else
        tmp = (x + ((t / z) / (y * 3.0d0))) - (y * (0.3333333333333333d0 / z))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t) {
	double tmp;
	if (y <= -0.0002) {
		tmp = (x - (y / (z * 3.0))) + (t / (z * (y * 3.0)));
	} else {
		tmp = (x + ((t / z) / (y * 3.0))) - (y * (0.3333333333333333 / z));
	}
	return tmp;
}

Python

def code(x, y, z, t):
	tmp = 0
	if y <= -0.0002:
		tmp = (x - (y / (z * 3.0))) + (t / (z * (y * 3.0)))
	else:
		tmp = (x + ((t / z) / (y * 3.0))) - (y * (0.3333333333333333 / z))
	return tmp

Julia

function code(x, y, z, t)
	tmp = 0.0
	if (y <= -0.0002)
		tmp = Float64(Float64(x - Float64(y / Float64(z * 3.0))) + Float64(t / Float64(z * Float64(y * 3.0))));
	else
		tmp = Float64(Float64(x + Float64(Float64(t / z) / Float64(y * 3.0))) - Float64(y * Float64(0.3333333333333333 / z)));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t)
	tmp = 0.0;
	if (y <= -0.0002)
		tmp = (x - (y / (z * 3.0))) + (t / (z * (y * 3.0)));
	else
		tmp = (x + ((t / z) / (y * 3.0))) - (y * (0.3333333333333333 / z));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_] := If[LessEqual[y, -0.0002], N[(N[(x - N[(y / N[(z * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] + N[(t / N[(z * N[(y * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(N[(x + N[(N[(t / z), $MachinePrecision] / N[(y * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] - N[(y * N[(0.3333333333333333 / z), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Alternative 12: 90.2% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;y \leq -2.1 \cdot 10^{+23}:\\ \;\;\;\;x - \frac{y}{z} \cdot 0.3333333333333333\\ \mathbf{elif}\;y \leq -3 \cdot 10^{-290}:\\ \;\;\;\;x + \frac{t}{3 \cdot \left(y \cdot z\right)}\\ \mathbf{elif}\;y \leq 180000:\\ \;\;\;\;x + \frac{0.3333333333333333}{z} \cdot \frac{t}{y}\\ \mathbf{else}:\\ \;\;\;\;x - \frac{y}{z \cdot 3}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (if (<= y -2.1e+23)
   (- x (* (/ y z) 0.3333333333333333))
   (if (<= y -3e-290)
     (+ x (/ t (* 3.0 (* y z))))
     (if (<= y 180000.0)
       (+ x (* (/ 0.3333333333333333 z) (/ t y)))
       (- x (/ y (* z 3.0)))))))

C

double code(double x, double y, double z, double t) {
	double tmp;
	if (y <= -2.1e+23) {
		tmp = x - ((y / z) * 0.3333333333333333);
	} else if (y <= -3e-290) {
		tmp = x + (t / (3.0 * (y * z)));
	} else if (y <= 180000.0) {
		tmp = x + ((0.3333333333333333 / z) * (t / y));
	} else {
		tmp = x - (y / (z * 3.0));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8) :: tmp
    if (y <= (-2.1d+23)) then
        tmp = x - ((y / z) * 0.3333333333333333d0)
    else if (y <= (-3d-290)) then
        tmp = x + (t / (3.0d0 * (y * z)))
    else if (y <= 180000.0d0) then
        tmp = x + ((0.3333333333333333d0 / z) * (t / y))
    else
        tmp = x - (y / (z * 3.0d0))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t) {
	double tmp;
	if (y <= -2.1e+23) {
		tmp = x - ((y / z) * 0.3333333333333333);
	} else if (y <= -3e-290) {
		tmp = x + (t / (3.0 * (y * z)));
	} else if (y <= 180000.0) {
		tmp = x + ((0.3333333333333333 / z) * (t / y));
	} else {
		tmp = x - (y / (z * 3.0));
	}
	return tmp;
}

Python

def code(x, y, z, t):
	tmp = 0
	if y <= -2.1e+23:
		tmp = x - ((y / z) * 0.3333333333333333)
	elif y <= -3e-290:
		tmp = x + (t / (3.0 * (y * z)))
	elif y <= 180000.0:
		tmp = x + ((0.3333333333333333 / z) * (t / y))
	else:
		tmp = x - (y / (z * 3.0))
	return tmp

Julia

function code(x, y, z, t)
	tmp = 0.0
	if (y <= -2.1e+23)
		tmp = Float64(x - Float64(Float64(y / z) * 0.3333333333333333));
	elseif (y <= -3e-290)
		tmp = Float64(x + Float64(t / Float64(3.0 * Float64(y * z))));
	elseif (y <= 180000.0)
		tmp = Float64(x + Float64(Float64(0.3333333333333333 / z) * Float64(t / y)));
	else
		tmp = Float64(x - Float64(y / Float64(z * 3.0)));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t)
	tmp = 0.0;
	if (y <= -2.1e+23)
		tmp = x - ((y / z) * 0.3333333333333333);
	elseif (y <= -3e-290)
		tmp = x + (t / (3.0 * (y * z)));
	elseif (y <= 180000.0)
		tmp = x + ((0.3333333333333333 / z) * (t / y));
	else
		tmp = x - (y / (z * 3.0));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_] := If[LessEqual[y, -2.1e+23], N[(x - N[(N[(y / z), $MachinePrecision] * 0.3333333333333333), $MachinePrecision]), $MachinePrecision], If[LessEqual[y, -3e-290], N[(x + N[(t / N[(3.0 * N[(y * z), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[y, 180000.0], N[(x + N[(N[(0.3333333333333333 / z), $MachinePrecision] * N[(t / y), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x - N[(y / N[(z * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Alternative 13: 97.1% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;y \leq -6.5 \cdot 10^{-31} \lor \neg \left(y \leq 1.2 \cdot 10^{-304}\right):\\ \;\;\;\;x + \frac{0.3333333333333333}{z} \cdot \left(\frac{t}{y} - y\right)\\ \mathbf{else}:\\ \;\;\;\;x + \frac{\frac{\frac{t}{z}}{3}}{y}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (if (or (<= y -6.5e-31) (not (<= y 1.2e-304)))
   (+ x (* (/ 0.3333333333333333 z) (- (/ t y) y)))
   (+ x (/ (/ (/ t z) 3.0) y))))

C

double code(double x, double y, double z, double t) {
	double tmp;
	if ((y <= -6.5e-31) || !(y <= 1.2e-304)) {
		tmp = x + ((0.3333333333333333 / z) * ((t / y) - y));
	} else {
		tmp = x + (((t / z) / 3.0) / y);
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8) :: tmp
    if ((y <= (-6.5d-31)) .or. (.not. (y <= 1.2d-304))) then
        tmp = x + ((0.3333333333333333d0 / z) * ((t / y) - y))
    else
        tmp = x + (((t / z) / 3.0d0) / y)
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t) {
	double tmp;
	if ((y <= -6.5e-31) || !(y <= 1.2e-304)) {
		tmp = x + ((0.3333333333333333 / z) * ((t / y) - y));
	} else {
		tmp = x + (((t / z) / 3.0) / y);
	}
	return tmp;
}

Python

def code(x, y, z, t):
	tmp = 0
	if (y <= -6.5e-31) or not (y <= 1.2e-304):
		tmp = x + ((0.3333333333333333 / z) * ((t / y) - y))
	else:
		tmp = x + (((t / z) / 3.0) / y)
	return tmp

Julia

function code(x, y, z, t)
	tmp = 0.0
	if ((y <= -6.5e-31) || !(y <= 1.2e-304))
		tmp = Float64(x + Float64(Float64(0.3333333333333333 / z) * Float64(Float64(t / y) - y)));
	else
		tmp = Float64(x + Float64(Float64(Float64(t / z) / 3.0) / y));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t)
	tmp = 0.0;
	if ((y <= -6.5e-31) || ~((y <= 1.2e-304)))
		tmp = x + ((0.3333333333333333 / z) * ((t / y) - y));
	else
		tmp = x + (((t / z) / 3.0) / y);
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_] := If[Or[LessEqual[y, -6.5e-31], N[Not[LessEqual[y, 1.2e-304]], $MachinePrecision]], N[(x + N[(N[(0.3333333333333333 / z), $MachinePrecision] * N[(N[(t / y), $MachinePrecision] - y), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x + N[(N[(N[(t / z), $MachinePrecision] / 3.0), $MachinePrecision] / y), $MachinePrecision]), $MachinePrecision]]

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Alternative 14: 97.1% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;y \leq -3.6 \cdot 10^{-31} \lor \neg \left(y \leq 8.8 \cdot 10^{-306}\right):\\ \;\;\;\;x + \frac{0.3333333333333333 \cdot \left(\frac{t}{y} - y\right)}{z}\\ \mathbf{else}:\\ \;\;\;\;x + \frac{\frac{\frac{t}{z}}{3}}{y}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (if (or (<= y -3.6e-31) (not (<= y 8.8e-306)))
   (+ x (/ (* 0.3333333333333333 (- (/ t y) y)) z))
   (+ x (/ (/ (/ t z) 3.0) y))))

C

double code(double x, double y, double z, double t) {
	double tmp;
	if ((y <= -3.6e-31) || !(y <= 8.8e-306)) {
		tmp = x + ((0.3333333333333333 * ((t / y) - y)) / z);
	} else {
		tmp = x + (((t / z) / 3.0) / y);
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8) :: tmp
    if ((y <= (-3.6d-31)) .or. (.not. (y <= 8.8d-306))) then
        tmp = x + ((0.3333333333333333d0 * ((t / y) - y)) / z)
    else
        tmp = x + (((t / z) / 3.0d0) / y)
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t) {
	double tmp;
	if ((y <= -3.6e-31) || !(y <= 8.8e-306)) {
		tmp = x + ((0.3333333333333333 * ((t / y) - y)) / z);
	} else {
		tmp = x + (((t / z) / 3.0) / y);
	}
	return tmp;
}

Python

def code(x, y, z, t):
	tmp = 0
	if (y <= -3.6e-31) or not (y <= 8.8e-306):
		tmp = x + ((0.3333333333333333 * ((t / y) - y)) / z)
	else:
		tmp = x + (((t / z) / 3.0) / y)
	return tmp

Julia

function code(x, y, z, t)
	tmp = 0.0
	if ((y <= -3.6e-31) || !(y <= 8.8e-306))
		tmp = Float64(x + Float64(Float64(0.3333333333333333 * Float64(Float64(t / y) - y)) / z));
	else
		tmp = Float64(x + Float64(Float64(Float64(t / z) / 3.0) / y));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t)
	tmp = 0.0;
	if ((y <= -3.6e-31) || ~((y <= 8.8e-306)))
		tmp = x + ((0.3333333333333333 * ((t / y) - y)) / z);
	else
		tmp = x + (((t / z) / 3.0) / y);
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_] := If[Or[LessEqual[y, -3.6e-31], N[Not[LessEqual[y, 8.8e-306]], $MachinePrecision]], N[(x + N[(N[(0.3333333333333333 * N[(N[(t / y), $MachinePrecision] - y), $MachinePrecision]), $MachinePrecision] / z), $MachinePrecision]), $MachinePrecision], N[(x + N[(N[(N[(t / z), $MachinePrecision] / 3.0), $MachinePrecision] / y), $MachinePrecision]), $MachinePrecision]]

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Alternative 15: 89.7% accurate, 1.1× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;y \leq -2.1 \cdot 10^{+23}:\\ \;\;\;\;x - \frac{y}{z} \cdot 0.3333333333333333\\ \mathbf{elif}\;y \leq 95000:\\ \;\;\;\;x + \frac{0.3333333333333333}{z} \cdot \frac{t}{y}\\ \mathbf{else}:\\ \;\;\;\;x - \frac{y}{z \cdot 3}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (if (<= y -2.1e+23)
   (- x (* (/ y z) 0.3333333333333333))
   (if (<= y 95000.0)
     (+ x (* (/ 0.3333333333333333 z) (/ t y)))
     (- x (/ y (* z 3.0))))))

C

double code(double x, double y, double z, double t) {
	double tmp;
	if (y <= -2.1e+23) {
		tmp = x - ((y / z) * 0.3333333333333333);
	} else if (y <= 95000.0) {
		tmp = x + ((0.3333333333333333 / z) * (t / y));
	} else {
		tmp = x - (y / (z * 3.0));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8) :: tmp
    if (y <= (-2.1d+23)) then
        tmp = x - ((y / z) * 0.3333333333333333d0)
    else if (y <= 95000.0d0) then
        tmp = x + ((0.3333333333333333d0 / z) * (t / y))
    else
        tmp = x - (y / (z * 3.0d0))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t) {
	double tmp;
	if (y <= -2.1e+23) {
		tmp = x - ((y / z) * 0.3333333333333333);
	} else if (y <= 95000.0) {
		tmp = x + ((0.3333333333333333 / z) * (t / y));
	} else {
		tmp = x - (y / (z * 3.0));
	}
	return tmp;
}

Python

def code(x, y, z, t):
	tmp = 0
	if y <= -2.1e+23:
		tmp = x - ((y / z) * 0.3333333333333333)
	elif y <= 95000.0:
		tmp = x + ((0.3333333333333333 / z) * (t / y))
	else:
		tmp = x - (y / (z * 3.0))
	return tmp

Julia

function code(x, y, z, t)
	tmp = 0.0
	if (y <= -2.1e+23)
		tmp = Float64(x - Float64(Float64(y / z) * 0.3333333333333333));
	elseif (y <= 95000.0)
		tmp = Float64(x + Float64(Float64(0.3333333333333333 / z) * Float64(t / y)));
	else
		tmp = Float64(x - Float64(y / Float64(z * 3.0)));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t)
	tmp = 0.0;
	if (y <= -2.1e+23)
		tmp = x - ((y / z) * 0.3333333333333333);
	elseif (y <= 95000.0)
		tmp = x + ((0.3333333333333333 / z) * (t / y));
	else
		tmp = x - (y / (z * 3.0));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_] := If[LessEqual[y, -2.1e+23], N[(x - N[(N[(y / z), $MachinePrecision] * 0.3333333333333333), $MachinePrecision]), $MachinePrecision], If[LessEqual[y, 95000.0], N[(x + N[(N[(0.3333333333333333 / z), $MachinePrecision] * N[(t / y), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x - N[(y / N[(z * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Alternative 16: 92.4% accurate, 1.1× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;y \leq -2.15 \cdot 10^{+23}:\\ \;\;\;\;x - \frac{y}{z} \cdot 0.3333333333333333\\ \mathbf{elif}\;y \leq 95000:\\ \;\;\;\;x + \frac{\frac{t}{z} \cdot 0.3333333333333333}{y}\\ \mathbf{else}:\\ \;\;\;\;x - \frac{y}{z \cdot 3}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (if (<= y -2.15e+23)
   (- x (* (/ y z) 0.3333333333333333))
   (if (<= y 95000.0)
     (+ x (/ (* (/ t z) 0.3333333333333333) y))
     (- x (/ y (* z 3.0))))))

C

double code(double x, double y, double z, double t) {
	double tmp;
	if (y <= -2.15e+23) {
		tmp = x - ((y / z) * 0.3333333333333333);
	} else if (y <= 95000.0) {
		tmp = x + (((t / z) * 0.3333333333333333) / y);
	} else {
		tmp = x - (y / (z * 3.0));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8) :: tmp
    if (y <= (-2.15d+23)) then
        tmp = x - ((y / z) * 0.3333333333333333d0)
    else if (y <= 95000.0d0) then
        tmp = x + (((t / z) * 0.3333333333333333d0) / y)
    else
        tmp = x - (y / (z * 3.0d0))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t) {
	double tmp;
	if (y <= -2.15e+23) {
		tmp = x - ((y / z) * 0.3333333333333333);
	} else if (y <= 95000.0) {
		tmp = x + (((t / z) * 0.3333333333333333) / y);
	} else {
		tmp = x - (y / (z * 3.0));
	}
	return tmp;
}

Python

def code(x, y, z, t):
	tmp = 0
	if y <= -2.15e+23:
		tmp = x - ((y / z) * 0.3333333333333333)
	elif y <= 95000.0:
		tmp = x + (((t / z) * 0.3333333333333333) / y)
	else:
		tmp = x - (y / (z * 3.0))
	return tmp

Julia

function code(x, y, z, t)
	tmp = 0.0
	if (y <= -2.15e+23)
		tmp = Float64(x - Float64(Float64(y / z) * 0.3333333333333333));
	elseif (y <= 95000.0)
		tmp = Float64(x + Float64(Float64(Float64(t / z) * 0.3333333333333333) / y));
	else
		tmp = Float64(x - Float64(y / Float64(z * 3.0)));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t)
	tmp = 0.0;
	if (y <= -2.15e+23)
		tmp = x - ((y / z) * 0.3333333333333333);
	elseif (y <= 95000.0)
		tmp = x + (((t / z) * 0.3333333333333333) / y);
	else
		tmp = x - (y / (z * 3.0));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_] := If[LessEqual[y, -2.15e+23], N[(x - N[(N[(y / z), $MachinePrecision] * 0.3333333333333333), $MachinePrecision]), $MachinePrecision], If[LessEqual[y, 95000.0], N[(x + N[(N[(N[(t / z), $MachinePrecision] * 0.3333333333333333), $MachinePrecision] / y), $MachinePrecision]), $MachinePrecision], N[(x - N[(y / N[(z * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Alternative 17: 92.4% accurate, 1.1× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;y \leq -9 \cdot 10^{+24}:\\ \;\;\;\;x - \frac{y}{z} \cdot 0.3333333333333333\\ \mathbf{elif}\;y \leq 10000000:\\ \;\;\;\;x + \frac{\frac{\frac{t}{z}}{3}}{y}\\ \mathbf{else}:\\ \;\;\;\;x - \frac{y}{z \cdot 3}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (if (<= y -9e+24)
   (- x (* (/ y z) 0.3333333333333333))
   (if (<= y 10000000.0) (+ x (/ (/ (/ t z) 3.0) y)) (- x (/ y (* z 3.0))))))

C

double code(double x, double y, double z, double t) {
	double tmp;
	if (y <= -9e+24) {
		tmp = x - ((y / z) * 0.3333333333333333);
	} else if (y <= 10000000.0) {
		tmp = x + (((t / z) / 3.0) / y);
	} else {
		tmp = x - (y / (z * 3.0));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8) :: tmp
    if (y <= (-9d+24)) then
        tmp = x - ((y / z) * 0.3333333333333333d0)
    else if (y <= 10000000.0d0) then
        tmp = x + (((t / z) / 3.0d0) / y)
    else
        tmp = x - (y / (z * 3.0d0))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t) {
	double tmp;
	if (y <= -9e+24) {
		tmp = x - ((y / z) * 0.3333333333333333);
	} else if (y <= 10000000.0) {
		tmp = x + (((t / z) / 3.0) / y);
	} else {
		tmp = x - (y / (z * 3.0));
	}
	return tmp;
}

Python

def code(x, y, z, t):
	tmp = 0
	if y <= -9e+24:
		tmp = x - ((y / z) * 0.3333333333333333)
	elif y <= 10000000.0:
		tmp = x + (((t / z) / 3.0) / y)
	else:
		tmp = x - (y / (z * 3.0))
	return tmp

Julia

function code(x, y, z, t)
	tmp = 0.0
	if (y <= -9e+24)
		tmp = Float64(x - Float64(Float64(y / z) * 0.3333333333333333));
	elseif (y <= 10000000.0)
		tmp = Float64(x + Float64(Float64(Float64(t / z) / 3.0) / y));
	else
		tmp = Float64(x - Float64(y / Float64(z * 3.0)));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t)
	tmp = 0.0;
	if (y <= -9e+24)
		tmp = x - ((y / z) * 0.3333333333333333);
	elseif (y <= 10000000.0)
		tmp = x + (((t / z) / 3.0) / y);
	else
		tmp = x - (y / (z * 3.0));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_] := If[LessEqual[y, -9e+24], N[(x - N[(N[(y / z), $MachinePrecision] * 0.3333333333333333), $MachinePrecision]), $MachinePrecision], If[LessEqual[y, 10000000.0], N[(x + N[(N[(N[(t / z), $MachinePrecision] / 3.0), $MachinePrecision] / y), $MachinePrecision]), $MachinePrecision], N[(x - N[(y / N[(z * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Alternative 18: 46.8% accurate, 1.6× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;x \leq -3.3 \cdot 10^{-15}:\\ \;\;\;\;x\\ \mathbf{elif}\;x \leq 2.5 \cdot 10^{-10}:\\ \;\;\;\;-0.3333333333333333 \cdot \frac{y}{z}\\ \mathbf{else}:\\ \;\;\;\;x\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (if (<= x -3.3e-15) x (if (<= x 2.5e-10) (* -0.3333333333333333 (/ y z)) x)))

C

double code(double x, double y, double z, double t) {
	double tmp;
	if (x <= -3.3e-15) {
		tmp = x;
	} else if (x <= 2.5e-10) {
		tmp = -0.3333333333333333 * (y / z);
	} else {
		tmp = x;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8) :: tmp
    if (x <= (-3.3d-15)) then
        tmp = x
    else if (x <= 2.5d-10) then
        tmp = (-0.3333333333333333d0) * (y / z)
    else
        tmp = x
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t) {
	double tmp;
	if (x <= -3.3e-15) {
		tmp = x;
	} else if (x <= 2.5e-10) {
		tmp = -0.3333333333333333 * (y / z);
	} else {
		tmp = x;
	}
	return tmp;
}

Python

def code(x, y, z, t):
	tmp = 0
	if x <= -3.3e-15:
		tmp = x
	elif x <= 2.5e-10:
		tmp = -0.3333333333333333 * (y / z)
	else:
		tmp = x
	return tmp

Julia

function code(x, y, z, t)
	tmp = 0.0
	if (x <= -3.3e-15)
		tmp = x;
	elseif (x <= 2.5e-10)
		tmp = Float64(-0.3333333333333333 * Float64(y / z));
	else
		tmp = x;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t)
	tmp = 0.0;
	if (x <= -3.3e-15)
		tmp = x;
	elseif (x <= 2.5e-10)
		tmp = -0.3333333333333333 * (y / z);
	else
		tmp = x;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_] := If[LessEqual[x, -3.3e-15], x, If[LessEqual[x, 2.5e-10], N[(-0.3333333333333333 * N[(y / z), $MachinePrecision]), $MachinePrecision], x]]

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Alternative 19: 29.8% accurate, 15.0× speedup

Math

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

FPCore

(FPCore (x y z t) :precision binary64 x)

C

double code(double x, double y, double z, double t) {
	return x;
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    code = x
end function

Java

public static double code(double x, double y, double z, double t) {
	return x;
}

Python

def code(x, y, z, t):
	return x

Julia

function code(x, y, z, t)
	return x
end

MATLAB

function tmp = code(x, y, z, t)
	tmp = x;
end

Wolfram

code[x_, y_, z_, t_] := x

Derivation

&prev;&pcontext;&pcontext2;&ctx;
1. Add Preprocessing

Developer target: 95.9% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \left(x - \frac{y}{z \cdot 3}\right) + \frac{\frac{t}{z \cdot 3}}{y} \end{array} \]

FPCore

(FPCore (x y z t)
 :precision binary64
 (+ (- x (/ y (* z 3.0))) (/ (/ t (* z 3.0)) y)))

C

double code(double x, double y, double z, double t) {
	return (x - (y / (z * 3.0))) + ((t / (z * 3.0)) / y);
}

Fortran

real(8) function code(x, y, z, t)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    code = (x - (y / (z * 3.0d0))) + ((t / (z * 3.0d0)) / y)
end function

Java

public static double code(double x, double y, double z, double t) {
	return (x - (y / (z * 3.0))) + ((t / (z * 3.0)) / y);
}

Python

def code(x, y, z, t):
	return (x - (y / (z * 3.0))) + ((t / (z * 3.0)) / y)

Julia

function code(x, y, z, t)
	return Float64(Float64(x - Float64(y / Float64(z * 3.0))) + Float64(Float64(t / Float64(z * 3.0)) / y))
end

MATLAB

function tmp = code(x, y, z, t)
	tmp = (x - (y / (z * 3.0))) + ((t / (z * 3.0)) / y);
end

Wolfram

code[x_, y_, z_, t_] := N[(N[(x - N[(y / N[(z * 3.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] + N[(N[(t / N[(z * 3.0), $MachinePrecision]), $MachinePrecision] / y), $MachinePrecision]), $MachinePrecision]

Reproduce

herbie shell --seed 2024008 
(FPCore (x y z t)
  :name "Diagrams.Solve.Polynomial:cubForm  from diagrams-solve-0.1, H"
  :precision binary64

  :herbie-target
  (+ (- x (/ y (* z 3.0))) (/ (/ t (* z 3.0)) y))

  (+ (- x (/ y (* z 3.0))) (/ t (* (* z 3.0) y))))