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

Percentage Accurate: 94.3% → 96.6%

Time: 30.1s

Alternatives: 16

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: 96.6% accurate, 0.7× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := \frac{z \cdot \sqrt{a + t}}{t} + \left(b - c\right) \cdot \left(\frac{2}{t \cdot 3} - \left(a + 0.8333333333333334\right)\right)\\ \mathbf{if}\;t\_1 \leq \infty:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot t\_1}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x - y \cdot \left(-1 + 2 \cdot \frac{-0.6666666666666666 \cdot \left(b - c\right) - z \cdot \sqrt{a}}{t}\right)}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (let* ((t_1
         (+
          (/ (* z (sqrt (+ a t))) t)
          (* (- b c) (- (/ 2.0 (* t 3.0)) (+ a 0.8333333333333334))))))
   (if (<= t_1 INFINITY)
     (/ x (+ x (* y (exp (* 2.0 t_1)))))
     (/
      x
      (-
       x
       (*
        y
        (+
         -1.0
         (*
          2.0
          (/ (- (* -0.6666666666666666 (- b c)) (* z (sqrt a))) t)))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double t_1 = ((z * sqrt((a + t))) / t) + ((b - c) * ((2.0 / (t * 3.0)) - (a + 0.8333333333333334)));
	double tmp;
	if (t_1 <= ((double) INFINITY)) {
		tmp = x / (x + (y * exp((2.0 * t_1))));
	} else {
		tmp = x / (x - (y * (-1.0 + (2.0 * (((-0.6666666666666666 * (b - c)) - (z * sqrt(a))) / t)))));
	}
	return tmp;
}

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((a + t))) / t) + ((b - c) * ((2.0 / (t * 3.0)) - (a + 0.8333333333333334)));
	double tmp;
	if (t_1 <= Double.POSITIVE_INFINITY) {
		tmp = x / (x + (y * Math.exp((2.0 * t_1))));
	} else {
		tmp = x / (x - (y * (-1.0 + (2.0 * (((-0.6666666666666666 * (b - c)) - (z * Math.sqrt(a))) / t)))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	t_1 = ((z * math.sqrt((a + t))) / t) + ((b - c) * ((2.0 / (t * 3.0)) - (a + 0.8333333333333334)))
	tmp = 0
	if t_1 <= math.inf:
		tmp = x / (x + (y * math.exp((2.0 * t_1))))
	else:
		tmp = x / (x - (y * (-1.0 + (2.0 * (((-0.6666666666666666 * (b - c)) - (z * math.sqrt(a))) / t)))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	t_1 = Float64(Float64(Float64(z * sqrt(Float64(a + t))) / t) + Float64(Float64(b - c) * Float64(Float64(2.0 / Float64(t * 3.0)) - Float64(a + 0.8333333333333334))))
	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 * Float64(-1.0 + Float64(2.0 * Float64(Float64(Float64(-0.6666666666666666 * Float64(b - c)) - Float64(z * sqrt(a))) / t))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	t_1 = ((z * sqrt((a + t))) / t) + ((b - c) * ((2.0 / (t * 3.0)) - (a + 0.8333333333333334)));
	tmp = 0.0;
	if (t_1 <= Inf)
		tmp = x / (x + (y * exp((2.0 * t_1))));
	else
		tmp = x / (x - (y * (-1.0 + (2.0 * (((-0.6666666666666666 * (b - c)) - (z * sqrt(a))) / t)))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := Block[{t$95$1 = N[(N[(N[(z * N[Sqrt[N[(a + t), $MachinePrecision]], $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision] + N[(N[(b - c), $MachinePrecision] * N[(N[(2.0 / N[(t * 3.0), $MachinePrecision]), $MachinePrecision] - N[(a + 0.8333333333333334), $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[(-1.0 + N[(2.0 * N[(N[(N[(-0.6666666666666666 * N[(b - c), $MachinePrecision]), $MachinePrecision] - N[(z * N[Sqrt[a], $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $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%

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

   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. Add Preprocessing

   3. Taylor expanded in t around 0 70.9%

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

   4. Taylor expanded in t around inf 70.9%

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

4. Final simplification 98.1%

   \[\leadsto \begin{array}{l} \mathbf{if}\;\frac{z \cdot \sqrt{a + t}}{t} + \left(b - c\right) \cdot \left(\frac{2}{t \cdot 3} - \left(a + 0.8333333333333334\right)\right) \leq \infty:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{a + t}}{t} + \left(b - c\right) \cdot \left(\frac{2}{t \cdot 3} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x - y \cdot \left(-1 + 2 \cdot \frac{-0.6666666666666666 \cdot \left(b - c\right) - z \cdot \sqrt{a}}{t}\right)}\\ \end{array} \]
5. Add Preprocessing

Alternative 2: 97.1% accurate, 0.4× speedup

Math

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

FPCore

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

Julia

function code(x, y, z, t, a, b, c)
	return Float64(x / fma(y, (exp(2.0) ^ fma(Float64(Float64(a + 0.8333333333333334) + Float64(-0.6666666666666666 / t)), Float64(c - b), Float64(Float64(z / t) * sqrt(Float64(a + 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[(N[(a + 0.8333333333333334), $MachinePrecision] + N[(-0.6666666666666666 / t), $MachinePrecision]), $MachinePrecision] * N[(c - b), $MachinePrecision] + N[(N[(z / t), $MachinePrecision] * N[Sqrt[N[(a + t), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision] + x), $MachinePrecision]), $MachinePrecision]

Derivation

1. Initial program 95.3%

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

3. Simplified 96.6%

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

5. Final simplification 96.6%

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

Alternative 3: 90.5% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq -3.3 \cdot 10^{-32}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \mathbf{elif}\;t \leq 2 \cdot 10^{-200}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{z \cdot \sqrt{a} + -0.6666666666666666 \cdot \left(c - b\right)}{t}}}\\ \mathbf{elif}\;t \leq 1.35 \cdot 10^{+156}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(z \cdot \sqrt{\frac{1}{t}} + \left(\frac{-0.6666666666666666}{t} + 0.8333333333333334\right) \cdot \left(c - b\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\left(a + 0.8333333333333334\right) \cdot \left(c - b\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t -3.3e-32)
   (/ x (+ x (* y (exp (* 2.0 (* a (- c b)))))))
   (if (<= t 2e-200)
     (/
      x
      (+
       x
       (*
        y
        (exp
         (* 2.0 (/ (+ (* z (sqrt a)) (* -0.6666666666666666 (- c b))) t))))))
     (if (<= t 1.35e+156)
       (/
        x
        (+
         x
         (*
          y
          (exp
           (*
            2.0
            (+
             (* z (sqrt (/ 1.0 t)))
             (* (+ (/ -0.6666666666666666 t) 0.8333333333333334) (- c b))))))))
       (/ x (+ x (* y (exp (* 2.0 (* (+ a 0.8333333333333334) (- c b)))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= -3.3e-32) {
		tmp = x / (x + (y * exp((2.0 * (a * (c - b))))));
	} else if (t <= 2e-200) {
		tmp = x / (x + (y * exp((2.0 * (((z * sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))));
	} else if (t <= 1.35e+156) {
		tmp = x / (x + (y * exp((2.0 * ((z * sqrt((1.0 / t))) + (((-0.6666666666666666 / t) + 0.8333333333333334) * (c - b)))))));
	} else {
		tmp = x / (x + (y * exp((2.0 * ((a + 0.8333333333333334) * (c - b))))));
	}
	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 <= (-3.3d-32)) then
        tmp = x / (x + (y * exp((2.0d0 * (a * (c - b))))))
    else if (t <= 2d-200) then
        tmp = x / (x + (y * exp((2.0d0 * (((z * sqrt(a)) + ((-0.6666666666666666d0) * (c - b))) / t)))))
    else if (t <= 1.35d+156) then
        tmp = x / (x + (y * exp((2.0d0 * ((z * sqrt((1.0d0 / t))) + ((((-0.6666666666666666d0) / t) + 0.8333333333333334d0) * (c - b)))))))
    else
        tmp = x / (x + (y * exp((2.0d0 * ((a + 0.8333333333333334d0) * (c - b))))))
    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 <= -3.3e-32) {
		tmp = x / (x + (y * Math.exp((2.0 * (a * (c - b))))));
	} else if (t <= 2e-200) {
		tmp = x / (x + (y * Math.exp((2.0 * (((z * Math.sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))));
	} else if (t <= 1.35e+156) {
		tmp = x / (x + (y * Math.exp((2.0 * ((z * Math.sqrt((1.0 / t))) + (((-0.6666666666666666 / t) + 0.8333333333333334) * (c - b)))))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * ((a + 0.8333333333333334) * (c - b))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= -3.3e-32:
		tmp = x / (x + (y * math.exp((2.0 * (a * (c - b))))))
	elif t <= 2e-200:
		tmp = x / (x + (y * math.exp((2.0 * (((z * math.sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))))
	elif t <= 1.35e+156:
		tmp = x / (x + (y * math.exp((2.0 * ((z * math.sqrt((1.0 / t))) + (((-0.6666666666666666 / t) + 0.8333333333333334) * (c - b)))))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * ((a + 0.8333333333333334) * (c - b))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= -3.3e-32)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(a * Float64(c - b)))))));
	elseif (t <= 2e-200)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(Float64(z * sqrt(a)) + Float64(-0.6666666666666666 * Float64(c - b))) / t))))));
	elseif (t <= 1.35e+156)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(z * sqrt(Float64(1.0 / t))) + Float64(Float64(Float64(-0.6666666666666666 / t) + 0.8333333333333334) * Float64(c - b))))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(a + 0.8333333333333334) * Float64(c - b)))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (t <= -3.3e-32)
		tmp = x / (x + (y * exp((2.0 * (a * (c - b))))));
	elseif (t <= 2e-200)
		tmp = x / (x + (y * exp((2.0 * (((z * sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))));
	elseif (t <= 1.35e+156)
		tmp = x / (x + (y * exp((2.0 * ((z * sqrt((1.0 / t))) + (((-0.6666666666666666 / t) + 0.8333333333333334) * (c - b)))))));
	else
		tmp = x / (x + (y * exp((2.0 * ((a + 0.8333333333333334) * (c - b))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, -3.3e-32], 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-200], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(N[(z * N[Sqrt[a], $MachinePrecision]), $MachinePrecision] + N[(-0.6666666666666666 * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 1.35e+156], 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[(N[(-0.6666666666666666 / t), $MachinePrecision] + 0.8333333333333334), $MachinePrecision] * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(a + 0.8333333333333334), $MachinePrecision] * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]

Derivation

1. Split input into 4 regimes

2. if t < -3.30000000000000025e-32

   1. Initial program 88.9%

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

   3. Taylor expanded in a around inf 96.6%

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

   if -3.30000000000000025e-32 < t < 2e-200

   1. Initial program 90.5%

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

   3. Taylor expanded in t around 0 96.1%

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

   if 2e-200 < t < 1.35e156

   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. Add Preprocessing

   3. Taylor expanded in a around 0 97.9%

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

      1. *-commutative 97.9%

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

      2. *-commutative 97.9%

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

      3. cancel-sign-sub-inv 97.9%

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

      4. metadata-eval 97.9%

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

      5. associate-*r/ 97.9%

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

      6. metadata-eval 97.9%

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

   5. Simplified 97.9%

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

   if 1.35e156 < t

   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. Add Preprocessing

   3. Taylor expanded in t around inf 98.5%

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

      1. mul-1-neg 98.5%

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

      2. distribute-rgt-neg-in 98.5%

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

      3. +-commutative 98.5%

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

      4. neg-sub0 98.5%

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

      5. associate--r- 98.5%

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

      6. neg-sub0 98.5%

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

      7. +-commutative 98.5%

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

      8. sub-neg 98.5%

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

   5. Simplified 98.5%

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

4. Final simplification 97.4%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq -3.3 \cdot 10^{-32}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \mathbf{elif}\;t \leq 2 \cdot 10^{-200}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{z \cdot \sqrt{a} + -0.6666666666666666 \cdot \left(c - b\right)}{t}}}\\ \mathbf{elif}\;t \leq 1.35 \cdot 10^{+156}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(z \cdot \sqrt{\frac{1}{t}} + \left(\frac{-0.6666666666666666}{t} + 0.8333333333333334\right) \cdot \left(c - b\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\left(a + 0.8333333333333334\right) \cdot \left(c - b\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 4: 85.9% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq -3.2 \cdot 10^{-32}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \mathbf{elif}\;t \leq 8.2 \cdot 10^{-128}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{z \cdot \sqrt{a} + -0.6666666666666666 \cdot \left(c - b\right)}{t}}}\\ \mathbf{elif}\;t \leq 2000000000:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\left(a + 0.8333333333333334\right) \cdot \left(c - b\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t -3.2e-32)
   (/ x (+ x (* y (exp (* 2.0 (* a (- c b)))))))
   (if (<= t 8.2e-128)
     (/
      x
      (+
       x
       (*
        y
        (exp
         (* 2.0 (/ (+ (* z (sqrt a)) (* -0.6666666666666666 (- c b))) t))))))
     (if (<= t 2000000000.0)
       (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
       (/ x (+ x (* y (exp (* 2.0 (* (+ a 0.8333333333333334) (- c b)))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= -3.2e-32) {
		tmp = x / (x + (y * exp((2.0 * (a * (c - b))))));
	} else if (t <= 8.2e-128) {
		tmp = x / (x + (y * exp((2.0 * (((z * sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))));
	} else if (t <= 2000000000.0) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else {
		tmp = x / (x + (y * exp((2.0 * ((a + 0.8333333333333334) * (c - b))))));
	}
	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 <= (-3.2d-32)) then
        tmp = x / (x + (y * exp((2.0d0 * (a * (c - b))))))
    else if (t <= 8.2d-128) then
        tmp = x / (x + (y * exp((2.0d0 * (((z * sqrt(a)) + ((-0.6666666666666666d0) * (c - b))) / t)))))
    else if (t <= 2000000000.0d0) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else
        tmp = x / (x + (y * exp((2.0d0 * ((a + 0.8333333333333334d0) * (c - b))))))
    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 <= -3.2e-32) {
		tmp = x / (x + (y * Math.exp((2.0 * (a * (c - b))))));
	} else if (t <= 8.2e-128) {
		tmp = x / (x + (y * Math.exp((2.0 * (((z * Math.sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))));
	} else if (t <= 2000000000.0) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * ((a + 0.8333333333333334) * (c - b))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= -3.2e-32:
		tmp = x / (x + (y * math.exp((2.0 * (a * (c - b))))))
	elif t <= 8.2e-128:
		tmp = x / (x + (y * math.exp((2.0 * (((z * math.sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))))
	elif t <= 2000000000.0:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * ((a + 0.8333333333333334) * (c - b))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= -3.2e-32)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(a * Float64(c - b)))))));
	elseif (t <= 8.2e-128)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(Float64(z * sqrt(a)) + Float64(-0.6666666666666666 * Float64(c - b))) / t))))));
	elseif (t <= 2000000000.0)
		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(a + 0.8333333333333334) * Float64(c - b)))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (t <= -3.2e-32)
		tmp = x / (x + (y * exp((2.0 * (a * (c - b))))));
	elseif (t <= 8.2e-128)
		tmp = x / (x + (y * exp((2.0 * (((z * sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))));
	elseif (t <= 2000000000.0)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	else
		tmp = x / (x + (y * exp((2.0 * ((a + 0.8333333333333334) * (c - b))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, -3.2e-32], 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, 8.2e-128], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(N[(z * N[Sqrt[a], $MachinePrecision]), $MachinePrecision] + N[(-0.6666666666666666 * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 2000000000.0], 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[(a + 0.8333333333333334), $MachinePrecision] * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]

Derivation

1. Split input into 4 regimes

2. if t < -3.2000000000000002e-32

   1. Initial program 88.9%

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

   3. Taylor expanded in a around inf 96.6%

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

   if -3.2000000000000002e-32 < t < 8.1999999999999999e-128

   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. Add Preprocessing

   3. Taylor expanded in t around 0 94.1%

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

   if 8.1999999999999999e-128 < t < 2e9

   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. Add Preprocessing

   3. Taylor expanded in t around 0 38.0%

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

   4. Taylor expanded in a around 0 73.9%

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

   if 2e9 < t

   1. Initial program 98.2%

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

   3. Taylor expanded in t around inf 94.7%

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

      1. mul-1-neg 94.7%

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

      2. distribute-rgt-neg-in 94.7%

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

      3. +-commutative 94.7%

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

      4. neg-sub0 94.7%

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

      5. associate--r- 94.7%

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

      6. neg-sub0 94.7%

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

      7. +-commutative 94.7%

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

      8. sub-neg 94.7%

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

   5. Simplified 94.7%

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

4. Final simplification 91.7%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq -3.2 \cdot 10^{-32}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \mathbf{elif}\;t \leq 8.2 \cdot 10^{-128}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{z \cdot \sqrt{a} + -0.6666666666666666 \cdot \left(c - b\right)}{t}}}\\ \mathbf{elif}\;t \leq 2000000000:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\left(a + 0.8333333333333334\right) \cdot \left(c - b\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 5: 68.9% accurate, 1.6× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := \frac{x}{x + y \cdot e^{1.6666666666666667 \cdot \left(c - b\right)}}\\ \mathbf{if}\;t \leq -1.6 \cdot 10^{-99}:\\ \;\;\;\;t\_1\\ \mathbf{elif}\;t \leq -1.25 \cdot 10^{-178}:\\ \;\;\;\;1\\ \mathbf{elif}\;t \leq -2.35 \cdot 10^{-304}:\\ \;\;\;\;t\_1\\ \mathbf{elif}\;t \leq 0.135:\\ \;\;\;\;\frac{x}{x + y \cdot e^{-1.3333333333333333 \cdot \frac{c}{t}}}\\ \mathbf{elif}\;t \leq 1.15 \cdot 10^{+197} \lor \neg \left(t \leq 1.45 \cdot 10^{+228}\right):\\ \;\;\;\;t\_1\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (let* ((t_1 (/ x (+ x (* y (exp (* 1.6666666666666667 (- c b))))))))
   (if (<= t -1.6e-99)
     t_1
     (if (<= t -1.25e-178)
       1.0
       (if (<= t -2.35e-304)
         t_1
         (if (<= t 0.135)
           (/ x (+ x (* y (exp (* -1.3333333333333333 (/ c t))))))
           (if (or (<= t 1.15e+197) (not (<= t 1.45e+228))) t_1 1.0)))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double t_1 = x / (x + (y * exp((1.6666666666666667 * (c - b)))));
	double tmp;
	if (t <= -1.6e-99) {
		tmp = t_1;
	} else if (t <= -1.25e-178) {
		tmp = 1.0;
	} else if (t <= -2.35e-304) {
		tmp = t_1;
	} else if (t <= 0.135) {
		tmp = x / (x + (y * exp((-1.3333333333333333 * (c / t)))));
	} else if ((t <= 1.15e+197) || !(t <= 1.45e+228)) {
		tmp = t_1;
	} 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 / (x + (y * exp((1.6666666666666667d0 * (c - b)))))
    if (t <= (-1.6d-99)) then
        tmp = t_1
    else if (t <= (-1.25d-178)) then
        tmp = 1.0d0
    else if (t <= (-2.35d-304)) then
        tmp = t_1
    else if (t <= 0.135d0) then
        tmp = x / (x + (y * exp(((-1.3333333333333333d0) * (c / t)))))
    else if ((t <= 1.15d+197) .or. (.not. (t <= 1.45d+228))) then
        tmp = t_1
    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 / (x + (y * Math.exp((1.6666666666666667 * (c - b)))));
	double tmp;
	if (t <= -1.6e-99) {
		tmp = t_1;
	} else if (t <= -1.25e-178) {
		tmp = 1.0;
	} else if (t <= -2.35e-304) {
		tmp = t_1;
	} else if (t <= 0.135) {
		tmp = x / (x + (y * Math.exp((-1.3333333333333333 * (c / t)))));
	} else if ((t <= 1.15e+197) || !(t <= 1.45e+228)) {
		tmp = t_1;
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	t_1 = x / (x + (y * math.exp((1.6666666666666667 * (c - b)))))
	tmp = 0
	if t <= -1.6e-99:
		tmp = t_1
	elif t <= -1.25e-178:
		tmp = 1.0
	elif t <= -2.35e-304:
		tmp = t_1
	elif t <= 0.135:
		tmp = x / (x + (y * math.exp((-1.3333333333333333 * (c / t)))))
	elif (t <= 1.15e+197) or not (t <= 1.45e+228):
		tmp = t_1
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	t_1 = Float64(x / Float64(x + Float64(y * exp(Float64(1.6666666666666667 * Float64(c - b))))))
	tmp = 0.0
	if (t <= -1.6e-99)
		tmp = t_1;
	elseif (t <= -1.25e-178)
		tmp = 1.0;
	elseif (t <= -2.35e-304)
		tmp = t_1;
	elseif (t <= 0.135)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(-1.3333333333333333 * Float64(c / t))))));
	elseif ((t <= 1.15e+197) || !(t <= 1.45e+228))
		tmp = t_1;
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	t_1 = x / (x + (y * exp((1.6666666666666667 * (c - b)))));
	tmp = 0.0;
	if (t <= -1.6e-99)
		tmp = t_1;
	elseif (t <= -1.25e-178)
		tmp = 1.0;
	elseif (t <= -2.35e-304)
		tmp = t_1;
	elseif (t <= 0.135)
		tmp = x / (x + (y * exp((-1.3333333333333333 * (c / t)))));
	elseif ((t <= 1.15e+197) || ~((t <= 1.45e+228)))
		tmp = t_1;
	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[(x + N[(y * N[Exp[N[(1.6666666666666667 * N[(c - b), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]}, If[LessEqual[t, -1.6e-99], t$95$1, If[LessEqual[t, -1.25e-178], 1.0, If[LessEqual[t, -2.35e-304], t$95$1, If[LessEqual[t, 0.135], N[(x / N[(x + N[(y * N[Exp[N[(-1.3333333333333333 * N[(c / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[Or[LessEqual[t, 1.15e+197], N[Not[LessEqual[t, 1.45e+228]], $MachinePrecision]], t$95$1, 1.0]]]]]]

Derivation

1. Split input into 3 regimes

2. if t < -1.6e-99 or -1.24999999999999994e-178 < t < -2.35e-304 or 0.13500000000000001 < t < 1.15e197 or 1.45000000000000001e228 < t

   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. Add Preprocessing

   3. Taylor expanded in t around inf 92.8%

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

      1. mul-1-neg 92.8%

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

      2. distribute-rgt-neg-in 92.8%

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

      3. +-commutative 92.8%

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

      4. neg-sub0 92.8%

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

      5. associate--r- 92.8%

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

      6. neg-sub0 92.8%

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

      7. +-commutative 92.8%

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

      8. sub-neg 92.8%

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

   5. Simplified 92.8%

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

   6. Taylor expanded in a around 0 86.2%

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

   if -1.6e-99 < t < -1.24999999999999994e-178 or 1.15e197 < t < 1.45000000000000001e228

   1. Initial program 92.6%

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

   3. Taylor expanded in b around inf 49.7%

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

      1. associate-*r/ 49.7%

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

      2. metadata-eval 49.7%

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

      3. +-commutative 49.7%

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

   5. Simplified 49.7%

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

   6. Taylor expanded in b around 0 32.0%

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

   7. Taylor expanded in x around inf 85.6%

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

   if -2.35e-304 < t < 0.13500000000000001

   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. Add Preprocessing

   3. Taylor expanded in t around 0 64.8%

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

   4. Taylor expanded in a around 0 78.7%

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

   5. Taylor expanded in b around 0 67.3%

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

4. Final simplification 81.1%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq -1.6 \cdot 10^{-99}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.6666666666666667 \cdot \left(c - b\right)}}\\ \mathbf{elif}\;t \leq -1.25 \cdot 10^{-178}:\\ \;\;\;\;1\\ \mathbf{elif}\;t \leq -2.35 \cdot 10^{-304}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.6666666666666667 \cdot \left(c - b\right)}}\\ \mathbf{elif}\;t \leq 0.135:\\ \;\;\;\;\frac{x}{x + y \cdot e^{-1.3333333333333333 \cdot \frac{c}{t}}}\\ \mathbf{elif}\;t \leq 1.15 \cdot 10^{+197} \lor \neg \left(t \leq 1.45 \cdot 10^{+228}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.6666666666666667 \cdot \left(c - b\right)}}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]
5. Add Preprocessing

Alternative 6: 55.3% accurate, 1.7× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := \frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \mathbf{if}\;t \leq -1.04 \cdot 10^{-226}:\\ \;\;\;\;1\\ \mathbf{elif}\;t \leq -2.35 \cdot 10^{-304}:\\ \;\;\;\;t\_1\\ \mathbf{elif}\;t \leq 1.45 \cdot 10^{-162}:\\ \;\;\;\;\frac{x}{x + y \cdot \left(1.3333333333333333 \cdot \frac{b - c}{t} + 1\right)}\\ \mathbf{elif}\;t \leq 2.2 \cdot 10^{+44}:\\ \;\;\;\;1\\ \mathbf{elif}\;t \leq 7.6 \cdot 10^{+198} \lor \neg \left(t \leq 2.1 \cdot 10^{+228}\right):\\ \;\;\;\;t\_1\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (let* ((t_1 (/ x (+ x (* y (exp (* b -1.6666666666666667)))))))
   (if (<= t -1.04e-226)
     1.0
     (if (<= t -2.35e-304)
       t_1
       (if (<= t 1.45e-162)
         (/ x (+ x (* y (+ (* 1.3333333333333333 (/ (- b c) t)) 1.0))))
         (if (<= t 2.2e+44)
           1.0
           (if (or (<= t 7.6e+198) (not (<= t 2.1e+228))) t_1 1.0)))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double t_1 = x / (x + (y * exp((b * -1.6666666666666667))));
	double tmp;
	if (t <= -1.04e-226) {
		tmp = 1.0;
	} else if (t <= -2.35e-304) {
		tmp = t_1;
	} else if (t <= 1.45e-162) {
		tmp = x / (x + (y * ((1.3333333333333333 * ((b - c) / t)) + 1.0)));
	} else if (t <= 2.2e+44) {
		tmp = 1.0;
	} else if ((t <= 7.6e+198) || !(t <= 2.1e+228)) {
		tmp = t_1;
	} 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 / (x + (y * exp((b * (-1.6666666666666667d0)))))
    if (t <= (-1.04d-226)) then
        tmp = 1.0d0
    else if (t <= (-2.35d-304)) then
        tmp = t_1
    else if (t <= 1.45d-162) then
        tmp = x / (x + (y * ((1.3333333333333333d0 * ((b - c) / t)) + 1.0d0)))
    else if (t <= 2.2d+44) then
        tmp = 1.0d0
    else if ((t <= 7.6d+198) .or. (.not. (t <= 2.1d+228))) then
        tmp = t_1
    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 / (x + (y * Math.exp((b * -1.6666666666666667))));
	double tmp;
	if (t <= -1.04e-226) {
		tmp = 1.0;
	} else if (t <= -2.35e-304) {
		tmp = t_1;
	} else if (t <= 1.45e-162) {
		tmp = x / (x + (y * ((1.3333333333333333 * ((b - c) / t)) + 1.0)));
	} else if (t <= 2.2e+44) {
		tmp = 1.0;
	} else if ((t <= 7.6e+198) || !(t <= 2.1e+228)) {
		tmp = t_1;
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	t_1 = x / (x + (y * math.exp((b * -1.6666666666666667))))
	tmp = 0
	if t <= -1.04e-226:
		tmp = 1.0
	elif t <= -2.35e-304:
		tmp = t_1
	elif t <= 1.45e-162:
		tmp = x / (x + (y * ((1.3333333333333333 * ((b - c) / t)) + 1.0)))
	elif t <= 2.2e+44:
		tmp = 1.0
	elif (t <= 7.6e+198) or not (t <= 2.1e+228):
		tmp = t_1
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	t_1 = Float64(x / Float64(x + Float64(y * exp(Float64(b * -1.6666666666666667)))))
	tmp = 0.0
	if (t <= -1.04e-226)
		tmp = 1.0;
	elseif (t <= -2.35e-304)
		tmp = t_1;
	elseif (t <= 1.45e-162)
		tmp = Float64(x / Float64(x + Float64(y * Float64(Float64(1.3333333333333333 * Float64(Float64(b - c) / t)) + 1.0))));
	elseif (t <= 2.2e+44)
		tmp = 1.0;
	elseif ((t <= 7.6e+198) || !(t <= 2.1e+228))
		tmp = t_1;
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	t_1 = x / (x + (y * exp((b * -1.6666666666666667))));
	tmp = 0.0;
	if (t <= -1.04e-226)
		tmp = 1.0;
	elseif (t <= -2.35e-304)
		tmp = t_1;
	elseif (t <= 1.45e-162)
		tmp = x / (x + (y * ((1.3333333333333333 * ((b - c) / t)) + 1.0)));
	elseif (t <= 2.2e+44)
		tmp = 1.0;
	elseif ((t <= 7.6e+198) || ~((t <= 2.1e+228)))
		tmp = t_1;
	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[(x + N[(y * N[Exp[N[(b * -1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]}, If[LessEqual[t, -1.04e-226], 1.0, If[LessEqual[t, -2.35e-304], t$95$1, If[LessEqual[t, 1.45e-162], N[(x / N[(x + N[(y * N[(N[(1.3333333333333333 * N[(N[(b - c), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision] + 1.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 2.2e+44], 1.0, If[Or[LessEqual[t, 7.6e+198], N[Not[LessEqual[t, 2.1e+228]], $MachinePrecision]], t$95$1, 1.0]]]]]]

Derivation

1. Split input into 3 regimes

2. if t < -1.04000000000000005e-226 or 1.4500000000000001e-162 < t < 2.19999999999999996e44 or 7.59999999999999976e198 < t < 2.09999999999999994e228

   1. Initial program 95.1%

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

   3. Taylor expanded in b around inf 56.5%

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

      1. associate-*r/ 56.5%

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

      2. metadata-eval 56.5%

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

      3. +-commutative 56.5%

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

   5. Simplified 56.5%

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

   6. Taylor expanded in b around 0 35.7%

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

   7. Taylor expanded in x around inf 68.2%

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

   if -1.04000000000000005e-226 < t < -2.35e-304 or 2.19999999999999996e44 < t < 7.59999999999999976e198 or 2.09999999999999994e228 < 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. Add Preprocessing

   3. Taylor expanded in t around inf 94.3%

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

      1. mul-1-neg 94.3%

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

      2. distribute-rgt-neg-in 94.3%

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

      3. +-commutative 94.3%

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

      4. neg-sub0 94.3%

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

      5. associate--r- 94.3%

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

      6. neg-sub0 94.3%

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

      7. +-commutative 94.3%

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

      8. sub-neg 94.3%

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

   5. Simplified 94.3%

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

   6. Taylor expanded in a around 0 88.5%

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

   7. Taylor expanded in c around 0 74.7%

      \[\leadsto \frac{x}{x + y \cdot e^{\color{blue}{-1.6666666666666667 \cdot b}}} \]

   if -2.35e-304 < t < 1.4500000000000001e-162

   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. Add Preprocessing

   3. Taylor expanded in t around 0 91.1%

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

   4. Taylor expanded in a around 0 82.4%

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

   5. Taylor expanded in t around inf 67.8%

      \[\leadsto \frac{x}{x + y \cdot \color{blue}{\left(1 + 1.3333333333333333 \cdot \frac{b - c}{t}\right)}} \]
3. Recombined 3 regimes into one program.

4. Final simplification 70.7%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq -1.04 \cdot 10^{-226}:\\ \;\;\;\;1\\ \mathbf{elif}\;t \leq -2.35 \cdot 10^{-304}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \mathbf{elif}\;t \leq 1.45 \cdot 10^{-162}:\\ \;\;\;\;\frac{x}{x + y \cdot \left(1.3333333333333333 \cdot \frac{b - c}{t} + 1\right)}\\ \mathbf{elif}\;t \leq 2.2 \cdot 10^{+44}:\\ \;\;\;\;1\\ \mathbf{elif}\;t \leq 7.6 \cdot 10^{+198} \lor \neg \left(t \leq 2.1 \cdot 10^{+228}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]
5. Add Preprocessing

Alternative 7: 56.3% accurate, 1.7× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := \frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \mathbf{if}\;t \leq -1.15 \cdot 10^{-299}:\\ \;\;\;\;t\_1\\ \mathbf{elif}\;t \leq 5.3 \cdot 10^{-166}:\\ \;\;\;\;\frac{x}{x + y \cdot \left(1.3333333333333333 \cdot \frac{b - c}{t} + 1\right)}\\ \mathbf{elif}\;t \leq 2.4 \cdot 10^{+44}:\\ \;\;\;\;1\\ \mathbf{elif}\;t \leq 1.15 \cdot 10^{+197}:\\ \;\;\;\;t\_1\\ \mathbf{elif}\;t \leq 1.45 \cdot 10^{+228}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (let* ((t_1 (/ x (+ x (* y (exp (* c 1.6666666666666667)))))))
   (if (<= t -1.15e-299)
     t_1
     (if (<= t 5.3e-166)
       (/ x (+ x (* y (+ (* 1.3333333333333333 (/ (- b c) t)) 1.0))))
       (if (<= t 2.4e+44)
         1.0
         (if (<= t 1.15e+197)
           t_1
           (if (<= t 1.45e+228)
             1.0
             (/ x (+ x (* y (exp (* b -1.6666666666666667))))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double t_1 = x / (x + (y * exp((c * 1.6666666666666667))));
	double tmp;
	if (t <= -1.15e-299) {
		tmp = t_1;
	} else if (t <= 5.3e-166) {
		tmp = x / (x + (y * ((1.3333333333333333 * ((b - c) / t)) + 1.0)));
	} else if (t <= 2.4e+44) {
		tmp = 1.0;
	} else if (t <= 1.15e+197) {
		tmp = t_1;
	} else if (t <= 1.45e+228) {
		tmp = 1.0;
	} else {
		tmp = x / (x + (y * exp((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) :: t_1
    real(8) :: tmp
    t_1 = x / (x + (y * exp((c * 1.6666666666666667d0))))
    if (t <= (-1.15d-299)) then
        tmp = t_1
    else if (t <= 5.3d-166) then
        tmp = x / (x + (y * ((1.3333333333333333d0 * ((b - c) / t)) + 1.0d0)))
    else if (t <= 2.4d+44) then
        tmp = 1.0d0
    else if (t <= 1.15d+197) then
        tmp = t_1
    else if (t <= 1.45d+228) then
        tmp = 1.0d0
    else
        tmp = x / (x + (y * exp((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 t_1 = x / (x + (y * Math.exp((c * 1.6666666666666667))));
	double tmp;
	if (t <= -1.15e-299) {
		tmp = t_1;
	} else if (t <= 5.3e-166) {
		tmp = x / (x + (y * ((1.3333333333333333 * ((b - c) / t)) + 1.0)));
	} else if (t <= 2.4e+44) {
		tmp = 1.0;
	} else if (t <= 1.15e+197) {
		tmp = t_1;
	} else if (t <= 1.45e+228) {
		tmp = 1.0;
	} else {
		tmp = x / (x + (y * Math.exp((b * -1.6666666666666667))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	t_1 = x / (x + (y * math.exp((c * 1.6666666666666667))))
	tmp = 0
	if t <= -1.15e-299:
		tmp = t_1
	elif t <= 5.3e-166:
		tmp = x / (x + (y * ((1.3333333333333333 * ((b - c) / t)) + 1.0)))
	elif t <= 2.4e+44:
		tmp = 1.0
	elif t <= 1.15e+197:
		tmp = t_1
	elif t <= 1.45e+228:
		tmp = 1.0
	else:
		tmp = x / (x + (y * math.exp((b * -1.6666666666666667))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	t_1 = Float64(x / Float64(x + Float64(y * exp(Float64(c * 1.6666666666666667)))))
	tmp = 0.0
	if (t <= -1.15e-299)
		tmp = t_1;
	elseif (t <= 5.3e-166)
		tmp = Float64(x / Float64(x + Float64(y * Float64(Float64(1.3333333333333333 * Float64(Float64(b - c) / t)) + 1.0))));
	elseif (t <= 2.4e+44)
		tmp = 1.0;
	elseif (t <= 1.15e+197)
		tmp = t_1;
	elseif (t <= 1.45e+228)
		tmp = 1.0;
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(b * -1.6666666666666667)))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	t_1 = x / (x + (y * exp((c * 1.6666666666666667))));
	tmp = 0.0;
	if (t <= -1.15e-299)
		tmp = t_1;
	elseif (t <= 5.3e-166)
		tmp = x / (x + (y * ((1.3333333333333333 * ((b - c) / t)) + 1.0)));
	elseif (t <= 2.4e+44)
		tmp = 1.0;
	elseif (t <= 1.15e+197)
		tmp = t_1;
	elseif (t <= 1.45e+228)
		tmp = 1.0;
	else
		tmp = x / (x + (y * exp((b * -1.6666666666666667))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := Block[{t$95$1 = N[(x / N[(x + N[(y * N[Exp[N[(c * 1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]}, If[LessEqual[t, -1.15e-299], t$95$1, If[LessEqual[t, 5.3e-166], N[(x / N[(x + N[(y * N[(N[(1.3333333333333333 * N[(N[(b - c), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision] + 1.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 2.4e+44], 1.0, If[LessEqual[t, 1.15e+197], t$95$1, If[LessEqual[t, 1.45e+228], 1.0, N[(x / N[(x + N[(y * N[Exp[N[(b * -1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]]]]

Derivation

1. Split input into 4 regimes

2. if t < -1.15e-299 or 2.40000000000000013e44 < t < 1.15e197

   1. Initial program 93.5%

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

   3. Taylor expanded in t around inf 92.2%

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

      1. mul-1-neg 92.2%

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

      2. distribute-rgt-neg-in 92.2%

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

      3. +-commutative 92.2%

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

      4. neg-sub0 92.2%

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

      5. associate--r- 92.2%

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

      6. neg-sub0 92.2%

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

      7. +-commutative 92.2%

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

      8. sub-neg 92.2%

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

   5. Simplified 92.2%

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

   6. Taylor expanded in a around 0 82.7%

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

   7. Taylor expanded in c around inf 71.8%

      \[\leadsto \frac{x}{x + y \cdot e^{\color{blue}{1.6666666666666667 \cdot c}}} \]

   if -1.15e-299 < t < 5.29999999999999996e-166

   1. Initial program 91.7%

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

   3. Taylor expanded in t around 0 91.8%

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

   4. Taylor expanded in a around 0 78.5%

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

   5. Taylor expanded in t around inf 62.6%

      \[\leadsto \frac{x}{x + y \cdot \color{blue}{\left(1 + 1.3333333333333333 \cdot \frac{b - c}{t}\right)}} \]

   if 5.29999999999999996e-166 < t < 2.40000000000000013e44 or 1.15e197 < t < 1.45000000000000001e228

   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. Add Preprocessing

   3. Taylor expanded in b around inf 52.4%

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

      1. associate-*r/ 52.4%

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

      2. metadata-eval 52.4%

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

      3. +-commutative 52.4%

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

   5. Simplified 52.4%

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

   6. Taylor expanded in b around 0 37.5%

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

   7. Taylor expanded in x around inf 69.6%

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

   if 1.45000000000000001e228 < t

   1. Initial program 96.8%

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

   3. Taylor expanded in t around inf 100.0%

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

      1. mul-1-neg 100.0%

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

      2. distribute-rgt-neg-in 100.0%

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

      3. +-commutative 100.0%

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

      4. neg-sub0 100.0%

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

      5. associate--r- 100.0%

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

      6. neg-sub0 100.0%

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

      7. +-commutative 100.0%

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

      8. sub-neg 100.0%

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

   5. Simplified 100.0%

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

   6. Taylor expanded in a around 0 93.5%

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

   7. Taylor expanded in c around 0 87.1%

      \[\leadsto \frac{x}{x + y \cdot e^{\color{blue}{-1.6666666666666667 \cdot b}}} \]
3. Recombined 4 regimes into one program.

4. Final simplification 71.7%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq -1.15 \cdot 10^{-299}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \mathbf{elif}\;t \leq 5.3 \cdot 10^{-166}:\\ \;\;\;\;\frac{x}{x + y \cdot \left(1.3333333333333333 \cdot \frac{b - c}{t} + 1\right)}\\ \mathbf{elif}\;t \leq 2.4 \cdot 10^{+44}:\\ \;\;\;\;1\\ \mathbf{elif}\;t \leq 1.15 \cdot 10^{+197}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \mathbf{elif}\;t \leq 1.45 \cdot 10^{+228}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \end{array} \]
5. Add Preprocessing

Alternative 8: 77.6% accurate, 1.7× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := \frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \mathbf{if}\;t \leq -2 \cdot 10^{-37}:\\ \;\;\;\;t\_1\\ \mathbf{elif}\;t \leq 0.2:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 5.8 \cdot 10^{+209} \lor \neg \left(t \leq 1.85 \cdot 10^{+230}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.6666666666666667 \cdot \left(c - b\right)}}\\ \mathbf{else}:\\ \;\;\;\;t\_1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (let* ((t_1 (/ x (+ x (* y (exp (* 2.0 (* a (- c b)))))))))
   (if (<= t -2e-37)
     t_1
     (if (<= t 0.2)
       (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
       (if (or (<= t 5.8e+209) (not (<= t 1.85e+230)))
         (/ x (+ x (* y (exp (* 1.6666666666666667 (- c b))))))
         t_1)))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double t_1 = x / (x + (y * exp((2.0 * (a * (c - b))))));
	double tmp;
	if (t <= -2e-37) {
		tmp = t_1;
	} else if (t <= 0.2) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else if ((t <= 5.8e+209) || !(t <= 1.85e+230)) {
		tmp = x / (x + (y * exp((1.6666666666666667 * (c - b)))));
	} else {
		tmp = t_1;
	}
	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 / (x + (y * exp((2.0d0 * (a * (c - b))))))
    if (t <= (-2d-37)) then
        tmp = t_1
    else if (t <= 0.2d0) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else if ((t <= 5.8d+209) .or. (.not. (t <= 1.85d+230))) then
        tmp = x / (x + (y * exp((1.6666666666666667d0 * (c - b)))))
    else
        tmp = t_1
    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 / (x + (y * Math.exp((2.0 * (a * (c - b))))));
	double tmp;
	if (t <= -2e-37) {
		tmp = t_1;
	} else if (t <= 0.2) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else if ((t <= 5.8e+209) || !(t <= 1.85e+230)) {
		tmp = x / (x + (y * Math.exp((1.6666666666666667 * (c - b)))));
	} else {
		tmp = t_1;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	t_1 = x / (x + (y * math.exp((2.0 * (a * (c - b))))))
	tmp = 0
	if t <= -2e-37:
		tmp = t_1
	elif t <= 0.2:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	elif (t <= 5.8e+209) or not (t <= 1.85e+230):
		tmp = x / (x + (y * math.exp((1.6666666666666667 * (c - b)))))
	else:
		tmp = t_1
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	t_1 = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(a * Float64(c - b)))))))
	tmp = 0.0
	if (t <= -2e-37)
		tmp = t_1;
	elseif (t <= 0.2)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.3333333333333333 * Float64(Float64(b - c) / t))))));
	elseif ((t <= 5.8e+209) || !(t <= 1.85e+230))
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.6666666666666667 * Float64(c - b))))));
	else
		tmp = t_1;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	t_1 = x / (x + (y * exp((2.0 * (a * (c - b))))));
	tmp = 0.0;
	if (t <= -2e-37)
		tmp = t_1;
	elseif (t <= 0.2)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	elseif ((t <= 5.8e+209) || ~((t <= 1.85e+230)))
		tmp = x / (x + (y * exp((1.6666666666666667 * (c - b)))));
	else
		tmp = t_1;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := Block[{t$95$1 = 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-37], t$95$1, If[LessEqual[t, 0.2], N[(x / N[(x + N[(y * N[Exp[N[(1.3333333333333333 * N[(N[(b - c), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[Or[LessEqual[t, 5.8e+209], N[Not[LessEqual[t, 1.85e+230]], $MachinePrecision]], N[(x / N[(x + N[(y * N[Exp[N[(1.6666666666666667 * N[(c - b), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], t$95$1]]]]

Derivation

1. Split input into 3 regimes

2. if t < -2.00000000000000013e-37 or 5.79999999999999999e209 < t < 1.84999999999999996e230

   1. Initial program 92.5%

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

   3. Taylor expanded in a around inf 95.3%

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

   if -2.00000000000000013e-37 < t < 0.20000000000000001

   1. Initial program 93.8%

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

   3. Taylor expanded in t around 0 77.8%

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

   4. Taylor expanded in a around 0 81.9%

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

   if 0.20000000000000001 < t < 5.79999999999999999e209 or 1.84999999999999996e230 < t

   1. Initial program 98.1%

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

   3. Taylor expanded in t around inf 92.6%

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

      1. mul-1-neg 92.6%

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

      2. distribute-rgt-neg-in 92.6%

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

      3. +-commutative 92.6%

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

      4. neg-sub0 92.6%

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

      5. associate--r- 92.6%

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

      6. neg-sub0 92.6%

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

      7. +-commutative 92.6%

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

      8. sub-neg 92.6%

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

   5. Simplified 92.6%

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

   6. Taylor expanded in a around 0 87.9%

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

4. Final simplification 86.4%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq -2 \cdot 10^{-37}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \mathbf{elif}\;t \leq 0.2:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 5.8 \cdot 10^{+209} \lor \neg \left(t \leq 1.85 \cdot 10^{+230}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.6666666666666667 \cdot \left(c - b\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 9: 54.9% accurate, 1.7× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;c \leq 6 \cdot 10^{-234}:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 7 \cdot 10^{-70}:\\ \;\;\;\;\frac{x}{x + \left(y + 2 \cdot \left(b \cdot \left(y \cdot \left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)\right)\right)\right)}\\ \mathbf{elif}\;c \leq 10000:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 2 \cdot 10^{+109} \lor \neg \left(c \leq 5 \cdot 10^{+190}\right):\\ \;\;\;\;\frac{x}{y \cdot e^{c \cdot 1.6666666666666667}}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= c 6e-234)
   1.0
   (if (<= c 7e-70)
     (/
      x
      (+
       x
       (+
        y
        (*
         2.0
         (* b (* y (- (+ (/ 0.6666666666666666 t) -0.8333333333333334) a)))))))
     (if (<= c 10000.0)
       1.0
       (if (or (<= c 2e+109) (not (<= c 5e+190)))
         (/ x (* y (exp (* c 1.6666666666666667))))
         1.0)))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= 6e-234) {
		tmp = 1.0;
	} else if (c <= 7e-70) {
		tmp = x / (x + (y + (2.0 * (b * (y * (((0.6666666666666666 / t) + -0.8333333333333334) - a))))));
	} else if (c <= 10000.0) {
		tmp = 1.0;
	} else if ((c <= 2e+109) || !(c <= 5e+190)) {
		tmp = x / (y * exp((c * 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 (c <= 6d-234) then
        tmp = 1.0d0
    else if (c <= 7d-70) then
        tmp = x / (x + (y + (2.0d0 * (b * (y * (((0.6666666666666666d0 / t) + (-0.8333333333333334d0)) - a))))))
    else if (c <= 10000.0d0) then
        tmp = 1.0d0
    else if ((c <= 2d+109) .or. (.not. (c <= 5d+190))) then
        tmp = x / (y * exp((c * 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 (c <= 6e-234) {
		tmp = 1.0;
	} else if (c <= 7e-70) {
		tmp = x / (x + (y + (2.0 * (b * (y * (((0.6666666666666666 / t) + -0.8333333333333334) - a))))));
	} else if (c <= 10000.0) {
		tmp = 1.0;
	} else if ((c <= 2e+109) || !(c <= 5e+190)) {
		tmp = x / (y * Math.exp((c * 1.6666666666666667)));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if c <= 6e-234:
		tmp = 1.0
	elif c <= 7e-70:
		tmp = x / (x + (y + (2.0 * (b * (y * (((0.6666666666666666 / t) + -0.8333333333333334) - a))))))
	elif c <= 10000.0:
		tmp = 1.0
	elif (c <= 2e+109) or not (c <= 5e+190):
		tmp = x / (y * math.exp((c * 1.6666666666666667)))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (c <= 6e-234)
		tmp = 1.0;
	elseif (c <= 7e-70)
		tmp = Float64(x / Float64(x + Float64(y + Float64(2.0 * Float64(b * Float64(y * Float64(Float64(Float64(0.6666666666666666 / t) + -0.8333333333333334) - a)))))));
	elseif (c <= 10000.0)
		tmp = 1.0;
	elseif ((c <= 2e+109) || !(c <= 5e+190))
		tmp = Float64(x / Float64(y * exp(Float64(c * 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 (c <= 6e-234)
		tmp = 1.0;
	elseif (c <= 7e-70)
		tmp = x / (x + (y + (2.0 * (b * (y * (((0.6666666666666666 / t) + -0.8333333333333334) - a))))));
	elseif (c <= 10000.0)
		tmp = 1.0;
	elseif ((c <= 2e+109) || ~((c <= 5e+190)))
		tmp = x / (y * exp((c * 1.6666666666666667)));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[c, 6e-234], 1.0, If[LessEqual[c, 7e-70], N[(x / N[(x + N[(y + N[(2.0 * N[(b * N[(y * N[(N[(N[(0.6666666666666666 / t), $MachinePrecision] + -0.8333333333333334), $MachinePrecision] - a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[c, 10000.0], 1.0, If[Or[LessEqual[c, 2e+109], N[Not[LessEqual[c, 5e+190]], $MachinePrecision]], N[(x / N[(y * N[Exp[N[(c * 1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]]]]

Derivation

1. Split input into 3 regimes

2. if c < 5.99999999999999975e-234 or 6.99999999999999949e-70 < c < 1e4 or 1.99999999999999996e109 < c < 5.00000000000000036e190

   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. Add Preprocessing

   3. Taylor expanded in b around inf 69.4%

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

      1. associate-*r/ 69.4%

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

      2. metadata-eval 69.4%

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

      3. +-commutative 69.4%

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

   5. Simplified 69.4%

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

   6. Taylor expanded in b around 0 41.6%

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

   7. Taylor expanded in x around inf 64.3%

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

   if 5.99999999999999975e-234 < c < 6.99999999999999949e-70

   1. Initial program 95.2%

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

   3. Taylor expanded in b around inf 79.4%

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

      1. associate-*r/ 79.4%

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

      2. metadata-eval 79.4%

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

      3. +-commutative 79.4%

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

   5. Simplified 79.4%

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

   6. Taylor expanded in b around 0 56.7%

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

      1. associate--r+ 56.7%

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

      2. sub-neg 56.7%

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

      3. associate-*r/ 56.7%

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

      4. metadata-eval 56.7%

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

      5. metadata-eval 56.7%

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

   8. Simplified 56.7%

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

   if 1e4 < c < 1.99999999999999996e109 or 5.00000000000000036e190 < c

   1. Initial program 94.1%

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

   3. Taylor expanded in t around inf 82.9%

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

      1. mul-1-neg 82.9%

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

      2. distribute-rgt-neg-in 82.9%

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

      3. +-commutative 82.9%

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

      4. neg-sub0 82.9%

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

      5. associate--r- 82.9%

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

      6. neg-sub0 82.9%

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

      7. +-commutative 82.9%

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

      8. sub-neg 82.9%

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

   5. Simplified 82.9%

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

   6. Taylor expanded in a around 0 77.2%

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

   7. Taylor expanded in c around inf 80.1%

      \[\leadsto \frac{x}{x + y \cdot e^{\color{blue}{1.6666666666666667 \cdot c}}} \]

   8. Taylor expanded in x around 0 80.1%

      \[\leadsto \color{blue}{\frac{x}{y \cdot e^{1.6666666666666667 \cdot c}}} \]
3. Recombined 3 regimes into one program.

4. Final simplification 65.1%

   \[\leadsto \begin{array}{l} \mathbf{if}\;c \leq 6 \cdot 10^{-234}:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 7 \cdot 10^{-70}:\\ \;\;\;\;\frac{x}{x + \left(y + 2 \cdot \left(b \cdot \left(y \cdot \left(\left(\frac{0.6666666666666666}{t} + -0.8333333333333334\right) - a\right)\right)\right)\right)}\\ \mathbf{elif}\;c \leq 10000:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 2 \cdot 10^{+109} \lor \neg \left(c \leq 5 \cdot 10^{+190}\right):\\ \;\;\;\;\frac{x}{y \cdot e^{c \cdot 1.6666666666666667}}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]
5. Add Preprocessing

Alternative 10: 70.7% accurate, 1.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := \frac{x}{x + y \cdot e^{1.6666666666666667 \cdot \left(c - b\right)}}\\ \mathbf{if}\;t \leq -4.2 \cdot 10^{-304}:\\ \;\;\;\;t\_1\\ \mathbf{elif}\;t \leq 0.52:\\ \;\;\;\;\frac{x}{x + y \cdot e^{-1.3333333333333333 \cdot \frac{c}{t}}}\\ \mathbf{elif}\;t \leq 7.2 \cdot 10^{+209} \lor \neg \left(t \leq 5.5 \cdot 10^{+229}\right):\\ \;\;\;\;t\_1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot c\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (let* ((t_1 (/ x (+ x (* y (exp (* 1.6666666666666667 (- c b))))))))
   (if (<= t -4.2e-304)
     t_1
     (if (<= t 0.52)
       (/ x (+ x (* y (exp (* -1.3333333333333333 (/ c t))))))
       (if (or (<= t 7.2e+209) (not (<= t 5.5e+229)))
         t_1
         (/ x (+ x (* y (exp (* 2.0 (* a c)))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double t_1 = x / (x + (y * exp((1.6666666666666667 * (c - b)))));
	double tmp;
	if (t <= -4.2e-304) {
		tmp = t_1;
	} else if (t <= 0.52) {
		tmp = x / (x + (y * exp((-1.3333333333333333 * (c / t)))));
	} else if ((t <= 7.2e+209) || !(t <= 5.5e+229)) {
		tmp = t_1;
	} else {
		tmp = x / (x + (y * exp((2.0 * (a * c)))));
	}
	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 / (x + (y * exp((1.6666666666666667d0 * (c - b)))))
    if (t <= (-4.2d-304)) then
        tmp = t_1
    else if (t <= 0.52d0) then
        tmp = x / (x + (y * exp(((-1.3333333333333333d0) * (c / t)))))
    else if ((t <= 7.2d+209) .or. (.not. (t <= 5.5d+229))) then
        tmp = t_1
    else
        tmp = x / (x + (y * exp((2.0d0 * (a * c)))))
    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 / (x + (y * Math.exp((1.6666666666666667 * (c - b)))));
	double tmp;
	if (t <= -4.2e-304) {
		tmp = t_1;
	} else if (t <= 0.52) {
		tmp = x / (x + (y * Math.exp((-1.3333333333333333 * (c / t)))));
	} else if ((t <= 7.2e+209) || !(t <= 5.5e+229)) {
		tmp = t_1;
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * (a * c)))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	t_1 = x / (x + (y * math.exp((1.6666666666666667 * (c - b)))))
	tmp = 0
	if t <= -4.2e-304:
		tmp = t_1
	elif t <= 0.52:
		tmp = x / (x + (y * math.exp((-1.3333333333333333 * (c / t)))))
	elif (t <= 7.2e+209) or not (t <= 5.5e+229):
		tmp = t_1
	else:
		tmp = x / (x + (y * math.exp((2.0 * (a * c)))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	t_1 = Float64(x / Float64(x + Float64(y * exp(Float64(1.6666666666666667 * Float64(c - b))))))
	tmp = 0.0
	if (t <= -4.2e-304)
		tmp = t_1;
	elseif (t <= 0.52)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(-1.3333333333333333 * Float64(c / t))))));
	elseif ((t <= 7.2e+209) || !(t <= 5.5e+229))
		tmp = t_1;
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(a * c))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	t_1 = x / (x + (y * exp((1.6666666666666667 * (c - b)))));
	tmp = 0.0;
	if (t <= -4.2e-304)
		tmp = t_1;
	elseif (t <= 0.52)
		tmp = x / (x + (y * exp((-1.3333333333333333 * (c / t)))));
	elseif ((t <= 7.2e+209) || ~((t <= 5.5e+229)))
		tmp = t_1;
	else
		tmp = x / (x + (y * exp((2.0 * (a * c)))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := Block[{t$95$1 = N[(x / N[(x + N[(y * N[Exp[N[(1.6666666666666667 * N[(c - b), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]}, If[LessEqual[t, -4.2e-304], t$95$1, If[LessEqual[t, 0.52], N[(x / N[(x + N[(y * N[Exp[N[(-1.3333333333333333 * N[(c / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[Or[LessEqual[t, 7.2e+209], N[Not[LessEqual[t, 5.5e+229]], $MachinePrecision]], t$95$1, N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(a * c), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]]

Derivation

1. Split input into 3 regimes

2. if t < -4.20000000000000016e-304 or 0.52000000000000002 < t < 7.20000000000000023e209 or 5.5000000000000002e229 < t

   1. Initial program 95.0%

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

   3. Taylor expanded in t around inf 91.3%

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

      1. mul-1-neg 91.3%

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

      2. distribute-rgt-neg-in 91.3%

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

      3. +-commutative 91.3%

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

      4. neg-sub0 91.3%

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

      5. associate--r- 91.3%

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

      6. neg-sub0 91.3%

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

      7. +-commutative 91.3%

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

      8. sub-neg 91.3%

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

   5. Simplified 91.3%

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

   6. Taylor expanded in a around 0 84.2%

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

   if -4.20000000000000016e-304 < t < 0.52000000000000002

   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. Add Preprocessing

   3. Taylor expanded in t around 0 64.8%

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

   4. Taylor expanded in a around 0 78.7%

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

   5. Taylor expanded in b around 0 67.3%

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

   if 7.20000000000000023e209 < t < 5.5000000000000002e229

   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. Add Preprocessing

   3. Taylor expanded in a around inf 91.2%

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

   4. Taylor expanded in c around inf 82.4%

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

      1. *-commutative 82.4%

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

   6. Simplified 82.4%

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

4. Final simplification 79.6%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq -4.2 \cdot 10^{-304}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.6666666666666667 \cdot \left(c - b\right)}}\\ \mathbf{elif}\;t \leq 0.52:\\ \;\;\;\;\frac{x}{x + y \cdot e^{-1.3333333333333333 \cdot \frac{c}{t}}}\\ \mathbf{elif}\;t \leq 7.2 \cdot 10^{+209} \lor \neg \left(t \leq 5.5 \cdot 10^{+229}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.6666666666666667 \cdot \left(c - b\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot c\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 11: 75.5% accurate, 1.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq 0.053:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 7 \cdot 10^{+209} \lor \neg \left(t \leq 3.6 \cdot 10^{+229}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.6666666666666667 \cdot \left(c - b\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot c\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t 0.053)
   (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
   (if (or (<= t 7e+209) (not (<= t 3.6e+229)))
     (/ x (+ x (* y (exp (* 1.6666666666666667 (- c b))))))
     (/ x (+ x (* y (exp (* 2.0 (* a c)))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= 0.053) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else if ((t <= 7e+209) || !(t <= 3.6e+229)) {
		tmp = x / (x + (y * exp((1.6666666666666667 * (c - b)))));
	} else {
		tmp = x / (x + (y * exp((2.0 * (a * c)))));
	}
	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 <= 0.053d0) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else if ((t <= 7d+209) .or. (.not. (t <= 3.6d+229))) then
        tmp = x / (x + (y * exp((1.6666666666666667d0 * (c - b)))))
    else
        tmp = x / (x + (y * exp((2.0d0 * (a * c)))))
    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 <= 0.053) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else if ((t <= 7e+209) || !(t <= 3.6e+229)) {
		tmp = x / (x + (y * Math.exp((1.6666666666666667 * (c - b)))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * (a * c)))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= 0.053:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	elif (t <= 7e+209) or not (t <= 3.6e+229):
		tmp = x / (x + (y * math.exp((1.6666666666666667 * (c - b)))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * (a * c)))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= 0.053)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.3333333333333333 * Float64(Float64(b - c) / t))))));
	elseif ((t <= 7e+209) || !(t <= 3.6e+229))
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.6666666666666667 * Float64(c - b))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(a * c))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (t <= 0.053)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	elseif ((t <= 7e+209) || ~((t <= 3.6e+229)))
		tmp = x / (x + (y * exp((1.6666666666666667 * (c - b)))));
	else
		tmp = x / (x + (y * exp((2.0 * (a * c)))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, 0.053], N[(x / N[(x + N[(y * N[Exp[N[(1.3333333333333333 * N[(N[(b - c), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[Or[LessEqual[t, 7e+209], N[Not[LessEqual[t, 3.6e+229]], $MachinePrecision]], N[(x / N[(x + N[(y * N[Exp[N[(1.6666666666666667 * N[(c - b), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(a * c), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]

Derivation

1. Split input into 3 regimes

2. if t < 0.0529999999999999985

   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. Add Preprocessing

   3. Taylor expanded in t around 0 77.8%

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

   4. Taylor expanded in a around 0 80.8%

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

   if 0.0529999999999999985 < t < 7.0000000000000005e209 or 3.59999999999999986e229 < t

   1. Initial program 98.1%

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

   3. Taylor expanded in t around inf 92.6%

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

      1. mul-1-neg 92.6%

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

      2. distribute-rgt-neg-in 92.6%

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

      3. +-commutative 92.6%

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

      4. neg-sub0 92.6%

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

      5. associate--r- 92.6%

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

      6. neg-sub0 92.6%

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

      7. +-commutative 92.6%

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

      8. sub-neg 92.6%

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

   5. Simplified 92.6%

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

   6. Taylor expanded in a around 0 87.9%

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

   if 7.0000000000000005e209 < t < 3.59999999999999986e229

   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. Add Preprocessing

   3. Taylor expanded in a around inf 91.2%

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

   4. Taylor expanded in c around inf 82.4%

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

      1. *-commutative 82.4%

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

   6. Simplified 82.4%

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

4. Final simplification 83.8%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq 0.053:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 7 \cdot 10^{+209} \lor \neg \left(t \leq 3.6 \cdot 10^{+229}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.6666666666666667 \cdot \left(c - b\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot c\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 12: 82.8% accurate, 1.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq -5.8 \cdot 10^{-40}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \mathbf{elif}\;t \leq 2000000000:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\left(a + 0.8333333333333334\right) \cdot \left(c - b\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t -5.8e-40)
   (/ x (+ x (* y (exp (* 2.0 (* a (- c b)))))))
   (if (<= t 2000000000.0)
     (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
     (/ x (+ x (* y (exp (* 2.0 (* (+ a 0.8333333333333334) (- c b))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= -5.8e-40) {
		tmp = x / (x + (y * exp((2.0 * (a * (c - b))))));
	} else if (t <= 2000000000.0) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else {
		tmp = x / (x + (y * exp((2.0 * ((a + 0.8333333333333334) * (c - b))))));
	}
	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 <= (-5.8d-40)) then
        tmp = x / (x + (y * exp((2.0d0 * (a * (c - b))))))
    else if (t <= 2000000000.0d0) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else
        tmp = x / (x + (y * exp((2.0d0 * ((a + 0.8333333333333334d0) * (c - b))))))
    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 <= -5.8e-40) {
		tmp = x / (x + (y * Math.exp((2.0 * (a * (c - b))))));
	} else if (t <= 2000000000.0) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * ((a + 0.8333333333333334) * (c - b))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= -5.8e-40:
		tmp = x / (x + (y * math.exp((2.0 * (a * (c - b))))))
	elif t <= 2000000000.0:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * ((a + 0.8333333333333334) * (c - b))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= -5.8e-40)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(a * Float64(c - b)))))));
	elseif (t <= 2000000000.0)
		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(a + 0.8333333333333334) * Float64(c - b)))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (t <= -5.8e-40)
		tmp = x / (x + (y * exp((2.0 * (a * (c - b))))));
	elseif (t <= 2000000000.0)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	else
		tmp = x / (x + (y * exp((2.0 * ((a + 0.8333333333333334) * (c - b))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, -5.8e-40], 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, 2000000000.0], 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[(a + 0.8333333333333334), $MachinePrecision] * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]

Derivation

1. Split input into 3 regimes

2. if t < -5.7999999999999998e-40

   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. Add Preprocessing

   3. Taylor expanded in a around inf 96.9%

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

   if -5.7999999999999998e-40 < t < 2e9

   1. Initial program 94.1%

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

   3. Taylor expanded in t around 0 76.4%

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

   4. Taylor expanded in a around 0 80.3%

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

   if 2e9 < t

   1. Initial program 98.2%

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

   3. Taylor expanded in t around inf 94.7%

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

      1. mul-1-neg 94.7%

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

      2. distribute-rgt-neg-in 94.7%

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

      3. +-commutative 94.7%

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

      4. neg-sub0 94.7%

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

      5. associate--r- 94.7%

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

      6. neg-sub0 94.7%

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

      7. +-commutative 94.7%

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

      8. sub-neg 94.7%

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

   5. Simplified 94.7%

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

4. Final simplification 88.3%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq -5.8 \cdot 10^{-40}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(c - b\right)\right)}}\\ \mathbf{elif}\;t \leq 2000000000:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\left(a + 0.8333333333333334\right) \cdot \left(c - b\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 13: 59.7% accurate, 1.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq 0.05:\\ \;\;\;\;\frac{x}{x + y \cdot e^{-1.3333333333333333 \cdot \frac{c}{t}}}\\ \mathbf{elif}\;t \leq 3.2 \cdot 10^{+197}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \mathbf{elif}\;t \leq 1.65 \cdot 10^{+228}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t 0.05)
   (/ x (+ x (* y (exp (* -1.3333333333333333 (/ c t))))))
   (if (<= t 3.2e+197)
     (/ x (+ x (* y (exp (* c 1.6666666666666667)))))
     (if (<= t 1.65e+228)
       1.0
       (/ x (+ x (* y (exp (* b -1.6666666666666667)))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= 0.05) {
		tmp = x / (x + (y * exp((-1.3333333333333333 * (c / t)))));
	} else if (t <= 3.2e+197) {
		tmp = x / (x + (y * exp((c * 1.6666666666666667))));
	} else if (t <= 1.65e+228) {
		tmp = 1.0;
	} else {
		tmp = x / (x + (y * exp((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 <= 0.05d0) then
        tmp = x / (x + (y * exp(((-1.3333333333333333d0) * (c / t)))))
    else if (t <= 3.2d+197) then
        tmp = x / (x + (y * exp((c * 1.6666666666666667d0))))
    else if (t <= 1.65d+228) then
        tmp = 1.0d0
    else
        tmp = x / (x + (y * exp((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 <= 0.05) {
		tmp = x / (x + (y * Math.exp((-1.3333333333333333 * (c / t)))));
	} else if (t <= 3.2e+197) {
		tmp = x / (x + (y * Math.exp((c * 1.6666666666666667))));
	} else if (t <= 1.65e+228) {
		tmp = 1.0;
	} else {
		tmp = x / (x + (y * Math.exp((b * -1.6666666666666667))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= 0.05:
		tmp = x / (x + (y * math.exp((-1.3333333333333333 * (c / t)))))
	elif t <= 3.2e+197:
		tmp = x / (x + (y * math.exp((c * 1.6666666666666667))))
	elif t <= 1.65e+228:
		tmp = 1.0
	else:
		tmp = x / (x + (y * math.exp((b * -1.6666666666666667))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= 0.05)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(-1.3333333333333333 * Float64(c / t))))));
	elseif (t <= 3.2e+197)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(c * 1.6666666666666667)))));
	elseif (t <= 1.65e+228)
		tmp = 1.0;
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(b * -1.6666666666666667)))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (t <= 0.05)
		tmp = x / (x + (y * exp((-1.3333333333333333 * (c / t)))));
	elseif (t <= 3.2e+197)
		tmp = x / (x + (y * exp((c * 1.6666666666666667))));
	elseif (t <= 1.65e+228)
		tmp = 1.0;
	else
		tmp = x / (x + (y * exp((b * -1.6666666666666667))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, 0.05], N[(x / N[(x + N[(y * N[Exp[N[(-1.3333333333333333 * N[(c / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 3.2e+197], N[(x / N[(x + N[(y * N[Exp[N[(c * 1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 1.65e+228], 1.0, N[(x / N[(x + N[(y * N[Exp[N[(b * -1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]

Derivation

1. Split input into 4 regimes

2. if t < 0.050000000000000003

   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. Add Preprocessing

   3. Taylor expanded in t around 0 77.8%

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

   4. Taylor expanded in a around 0 80.8%

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

   5. Taylor expanded in b around 0 67.8%

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

   if 0.050000000000000003 < t < 3.1999999999999998e197

   1. Initial program 98.6%

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

   3. Taylor expanded in t around inf 88.8%

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

      1. mul-1-neg 88.8%

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

      2. distribute-rgt-neg-in 88.8%

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

      3. +-commutative 88.8%

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

      4. neg-sub0 88.8%

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

      5. associate--r- 88.8%

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

      6. neg-sub0 88.8%

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

      7. +-commutative 88.8%

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

      8. sub-neg 88.8%

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

   5. Simplified 88.8%

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

   6. Taylor expanded in a around 0 83.2%

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

   7. Taylor expanded in c around inf 73.5%

      \[\leadsto \frac{x}{x + y \cdot e^{\color{blue}{1.6666666666666667 \cdot c}}} \]

   if 3.1999999999999998e197 < t < 1.65000000000000003e228

   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. Add Preprocessing

   3. Taylor expanded in b around inf 39.5%

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

      1. associate-*r/ 39.5%

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

      2. metadata-eval 39.5%

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

      3. +-commutative 39.5%

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

   5. Simplified 39.5%

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

   6. Taylor expanded in b around 0 27.8%

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

   7. Taylor expanded in x around inf 87.9%

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

   if 1.65000000000000003e228 < t

   1. Initial program 96.8%

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

   3. Taylor expanded in t around inf 100.0%

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

      1. mul-1-neg 100.0%

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

      2. distribute-rgt-neg-in 100.0%

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

      3. +-commutative 100.0%

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

      4. neg-sub0 100.0%

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

      5. associate--r- 100.0%

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

      6. neg-sub0 100.0%

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

      7. +-commutative 100.0%

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

      8. sub-neg 100.0%

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

   5. Simplified 100.0%

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

   6. Taylor expanded in a around 0 93.5%

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

   7. Taylor expanded in c around 0 87.1%

      \[\leadsto \frac{x}{x + y \cdot e^{\color{blue}{-1.6666666666666667 \cdot b}}} \]
3. Recombined 4 regimes into one program.

4. Final simplification 72.8%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq 0.05:\\ \;\;\;\;\frac{x}{x + y \cdot e^{-1.3333333333333333 \cdot \frac{c}{t}}}\\ \mathbf{elif}\;t \leq 3.2 \cdot 10^{+197}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \mathbf{elif}\;t \leq 1.65 \cdot 10^{+228}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \end{array} \]
5. Add Preprocessing

Alternative 14: 50.6% accurate, 6.6× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq -3.8 \cdot 10^{-253}:\\ \;\;\;\;1\\ \mathbf{elif}\;t \leq 1.95 \cdot 10^{-167} \lor \neg \left(t \leq 3.6 \cdot 10^{+103}\right) \land t \leq 1.35 \cdot 10^{+197}:\\ \;\;\;\;\frac{x}{x + y \cdot \left(1.3333333333333333 \cdot \frac{b - c}{t} + 1\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t -3.8e-253)
   1.0
   (if (or (<= t 1.95e-167) (and (not (<= t 3.6e+103)) (<= t 1.35e+197)))
     (/ x (+ x (* y (+ (* 1.3333333333333333 (/ (- b c) t)) 1.0))))
     1.0)))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= -3.8e-253) {
		tmp = 1.0;
	} else if ((t <= 1.95e-167) || (!(t <= 3.6e+103) && (t <= 1.35e+197))) {
		tmp = x / (x + (y * ((1.3333333333333333 * ((b - c) / t)) + 1.0)));
	} 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 <= (-3.8d-253)) then
        tmp = 1.0d0
    else if ((t <= 1.95d-167) .or. (.not. (t <= 3.6d+103)) .and. (t <= 1.35d+197)) then
        tmp = x / (x + (y * ((1.3333333333333333d0 * ((b - c) / t)) + 1.0d0)))
    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 <= -3.8e-253) {
		tmp = 1.0;
	} else if ((t <= 1.95e-167) || (!(t <= 3.6e+103) && (t <= 1.35e+197))) {
		tmp = x / (x + (y * ((1.3333333333333333 * ((b - c) / t)) + 1.0)));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= -3.8e-253:
		tmp = 1.0
	elif (t <= 1.95e-167) or (not (t <= 3.6e+103) and (t <= 1.35e+197)):
		tmp = x / (x + (y * ((1.3333333333333333 * ((b - c) / t)) + 1.0)))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= -3.8e-253)
		tmp = 1.0;
	elseif ((t <= 1.95e-167) || (!(t <= 3.6e+103) && (t <= 1.35e+197)))
		tmp = Float64(x / Float64(x + Float64(y * Float64(Float64(1.3333333333333333 * Float64(Float64(b - c) / t)) + 1.0))));
	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 <= -3.8e-253)
		tmp = 1.0;
	elseif ((t <= 1.95e-167) || (~((t <= 3.6e+103)) && (t <= 1.35e+197)))
		tmp = x / (x + (y * ((1.3333333333333333 * ((b - c) / t)) + 1.0)));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, -3.8e-253], 1.0, If[Or[LessEqual[t, 1.95e-167], And[N[Not[LessEqual[t, 3.6e+103]], $MachinePrecision], LessEqual[t, 1.35e+197]]], N[(x / N[(x + N[(y * N[(N[(1.3333333333333333 * N[(N[(b - c), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision] + 1.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]]

Derivation

1. Split input into 2 regimes

2. if t < -3.80000000000000012e-253 or 1.94999999999999992e-167 < t < 3.60000000000000017e103 or 1.35e197 < t

   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. Add Preprocessing

   3. Taylor expanded in b around inf 63.7%

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

      1. associate-*r/ 63.7%

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

      2. metadata-eval 63.7%

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

      3. +-commutative 63.7%

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

   5. Simplified 63.7%

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

   6. Taylor expanded in b around 0 37.9%

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

   7. Taylor expanded in x around inf 63.8%

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

   if -3.80000000000000012e-253 < t < 1.94999999999999992e-167 or 3.60000000000000017e103 < t < 1.35e197

   1. Initial program 95.2%

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

   3. Taylor expanded in t around 0 58.3%

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

   4. Taylor expanded in a around 0 66.4%

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

   5. Taylor expanded in t around inf 63.0%

      \[\leadsto \frac{x}{x + y \cdot \color{blue}{\left(1 + 1.3333333333333333 \cdot \frac{b - c}{t}\right)}} \]
3. Recombined 2 regimes into one program.

4. Final simplification 63.6%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq -3.8 \cdot 10^{-253}:\\ \;\;\;\;1\\ \mathbf{elif}\;t \leq 1.95 \cdot 10^{-167} \lor \neg \left(t \leq 3.6 \cdot 10^{+103}\right) \land t \leq 1.35 \cdot 10^{+197}:\\ \;\;\;\;\frac{x}{x + y \cdot \left(1.3333333333333333 \cdot \frac{b - c}{t} + 1\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]
5. Add Preprocessing

Alternative 15: 52.4% accurate, 8.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;c \leq 4.5 \cdot 10^{-139}:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 6.2 \cdot 10^{-105}:\\ \;\;\;\;\frac{x}{x + y}\\ \mathbf{elif}\;c \leq 5.4 \cdot 10^{+197}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot \left(c \cdot 1.6666666666666667 + 1\right)}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= c 4.5e-139)
   1.0
   (if (<= c 6.2e-105)
     (/ x (+ x y))
     (if (<= c 5.4e+197)
       1.0
       (/ x (+ x (* y (+ (* c 1.6666666666666667) 1.0))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= 4.5e-139) {
		tmp = 1.0;
	} else if (c <= 6.2e-105) {
		tmp = x / (x + y);
	} else if (c <= 5.4e+197) {
		tmp = 1.0;
	} else {
		tmp = x / (x + (y * ((c * 1.6666666666666667) + 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 <= 4.5d-139) then
        tmp = 1.0d0
    else if (c <= 6.2d-105) then
        tmp = x / (x + y)
    else if (c <= 5.4d+197) then
        tmp = 1.0d0
    else
        tmp = x / (x + (y * ((c * 1.6666666666666667d0) + 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 <= 4.5e-139) {
		tmp = 1.0;
	} else if (c <= 6.2e-105) {
		tmp = x / (x + y);
	} else if (c <= 5.4e+197) {
		tmp = 1.0;
	} else {
		tmp = x / (x + (y * ((c * 1.6666666666666667) + 1.0)));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if c <= 4.5e-139:
		tmp = 1.0
	elif c <= 6.2e-105:
		tmp = x / (x + y)
	elif c <= 5.4e+197:
		tmp = 1.0
	else:
		tmp = x / (x + (y * ((c * 1.6666666666666667) + 1.0)))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (c <= 4.5e-139)
		tmp = 1.0;
	elseif (c <= 6.2e-105)
		tmp = Float64(x / Float64(x + y));
	elseif (c <= 5.4e+197)
		tmp = 1.0;
	else
		tmp = Float64(x / Float64(x + Float64(y * Float64(Float64(c * 1.6666666666666667) + 1.0))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (c <= 4.5e-139)
		tmp = 1.0;
	elseif (c <= 6.2e-105)
		tmp = x / (x + y);
	elseif (c <= 5.4e+197)
		tmp = 1.0;
	else
		tmp = x / (x + (y * ((c * 1.6666666666666667) + 1.0)));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[c, 4.5e-139], 1.0, If[LessEqual[c, 6.2e-105], N[(x / N[(x + y), $MachinePrecision]), $MachinePrecision], If[LessEqual[c, 5.4e+197], 1.0, N[(x / N[(x + N[(y * N[(N[(c * 1.6666666666666667), $MachinePrecision] + 1.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]

Derivation

1. Split input into 3 regimes

2. if c < 4.50000000000000023e-139 or 6.20000000000000029e-105 < c < 5.4000000000000001e197

   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. Add Preprocessing

   3. Taylor expanded in b around inf 67.7%

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

      1. associate-*r/ 67.7%

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

      2. metadata-eval 67.7%

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

      3. +-commutative 67.7%

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

   5. Simplified 67.7%

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

   6. Taylor expanded in b around 0 38.7%

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

   7. Taylor expanded in x around inf 58.8%

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

   if 4.50000000000000023e-139 < c < 6.20000000000000029e-105

   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. Add Preprocessing

   3. Taylor expanded in b around inf 90.3%

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

      1. associate-*r/ 90.3%

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

      2. metadata-eval 90.3%

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

      3. +-commutative 90.3%

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

   5. Simplified 90.3%

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

   6. Taylor expanded in b around 0 90.3%

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

   if 5.4000000000000001e197 < c

   1. Initial program 88.2%

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

   3. Taylor expanded in t around inf 77.2%

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

      1. mul-1-neg 77.2%

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

      2. distribute-rgt-neg-in 77.2%

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

      3. +-commutative 77.2%

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

      4. neg-sub0 77.2%

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

      5. associate--r- 77.2%

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

      6. neg-sub0 77.2%

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

      7. +-commutative 77.2%

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

      8. sub-neg 77.2%

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

   5. Simplified 77.2%

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

   6. Taylor expanded in a around 0 71.5%

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

   7. Taylor expanded in c around inf 82.9%

      \[\leadsto \frac{x}{x + y \cdot e^{\color{blue}{1.6666666666666667 \cdot c}}} \]

   8. Taylor expanded in c around 0 66.6%

      \[\leadsto \frac{x}{x + y \cdot \color{blue}{\left(1 + 1.6666666666666667 \cdot c\right)}} \]
   9. Step-by-step derivation

      1. *-commutative 66.6%

         \[\leadsto \frac{x}{x + y \cdot \left(1 + \color{blue}{c \cdot 1.6666666666666667}\right)} \]

   10. Simplified 66.6%

       \[\leadsto \frac{x}{x + y \cdot \color{blue}{\left(1 + c \cdot 1.6666666666666667\right)}} \]
3. Recombined 3 regimes into one program.

4. Final simplification 60.5%

   \[\leadsto \begin{array}{l} \mathbf{if}\;c \leq 4.5 \cdot 10^{-139}:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 6.2 \cdot 10^{-105}:\\ \;\;\;\;\frac{x}{x + y}\\ \mathbf{elif}\;c \leq 5.4 \cdot 10^{+197}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot \left(c \cdot 1.6666666666666667 + 1\right)}\\ \end{array} \]
5. Add Preprocessing

Alternative 16: 51.8% 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. Add Preprocessing

3. Taylor expanded in b around inf 68.1%

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

   1. associate-*r/ 68.1%

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

   2. metadata-eval 68.1%

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

   3. +-commutative 68.1%

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

5. Simplified 68.1%

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

6. Taylor expanded in b around 0 40.0%

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

7. Taylor expanded in x around inf 55.2%

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

8. Final simplification 55.2%

   \[\leadsto 1 \]
9. Add Preprocessing

Developer target: 95.5% 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 2024031 
(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)))))))))))