FastMath dist3

Percentage Accurate: 97.9% → 100.0%

Time: 3.5s

Alternatives: 6

Speedup: 1.9×

• 21.2% of points produce a very large (infinite) output. You may want to add a precondition.

Specification

Math

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

FPCore

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

C

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

Fortran

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

Java

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

Python

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

Julia

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

MATLAB

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

Wolfram

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

Initial Program: 97.9% accurate, 1.0× speedup

Math

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

FPCore

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

C

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

Fortran

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

Java

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

Python

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

Julia

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

MATLAB

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

Wolfram

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

Alternative 1: 100.0% accurate, 1.9× speedup

Math

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

FPCore

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

C

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

Fortran

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

Java

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

Python

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

Julia

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

MATLAB

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

Wolfram

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

Derivation

1. Initial program 98.8%

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

   1. cancel-sign-sub 98.8%

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

   2. +-commutative 98.8%

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

   3. *-commutative 98.8%

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

   4. distribute-lft-out 100.0%

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

   5. distribute-lft-neg-out 100.0%

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

   6. distribute-rgt-neg-in 100.0%

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

   7. distribute-lft-out-- 100.0%

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

   8. associate-+r+ 100.0%

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

   9. +-commutative 100.0%

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

   10. associate--l+ 100.0%

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

   11. sub-neg 100.0%

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

   12. metadata-eval 100.0%

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

   13. metadata-eval 100.0%

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

   14. associate-+l+ 100.0%

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

   15. metadata-eval 100.0%

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

3. Simplified 100.0%

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

5. Final simplification 100.0%

   \[\leadsto d1 \cdot \left(d3 + \left(d2 + 37\right)\right) \]
6. Add Preprocessing

Alternative 2: 63.2% accurate, 2.6× speedup

Math

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

FPCore

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

C

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

Fortran

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

Java

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

Python

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

Julia

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

MATLAB

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

Wolfram

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

Derivation

1. Initial program 98.8%

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

   1. cancel-sign-sub 98.8%

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

   2. +-commutative 98.8%

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

   3. *-commutative 98.8%

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

   4. distribute-lft-out 100.0%

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

   5. distribute-lft-neg-out 100.0%

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

   6. distribute-rgt-neg-in 100.0%

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

   7. distribute-lft-out-- 100.0%

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

   8. associate-+r+ 100.0%

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

   9. +-commutative 100.0%

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

   10. associate--l+ 100.0%

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

   11. sub-neg 100.0%

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

   12. metadata-eval 100.0%

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

   13. metadata-eval 100.0%

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

   14. associate-+l+ 100.0%

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

   15. metadata-eval 100.0%

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

3. Simplified 100.0%

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

5. Taylor expanded in d3 around 0 62.9%

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

6. Final simplification 62.9%

   \[\leadsto d1 \cdot \left(d2 + 37\right) \]
7. Add Preprocessing

Alternative 3: 63.7% accurate, 2.6× speedup

Math

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

FPCore

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

C

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

Fortran

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

Java

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

Python

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

Julia

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

MATLAB

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

Wolfram

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

Derivation

1. Initial program 98.8%

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

   1. cancel-sign-sub 98.8%

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

   2. +-commutative 98.8%

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

   3. *-commutative 98.8%

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

   4. distribute-lft-out 100.0%

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

   5. distribute-lft-neg-out 100.0%

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

   6. distribute-rgt-neg-in 100.0%

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

   7. distribute-lft-out-- 100.0%

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

   8. associate-+r+ 100.0%

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

   9. +-commutative 100.0%

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

   10. associate--l+ 100.0%

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

   11. sub-neg 100.0%

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

   12. metadata-eval 100.0%

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

   13. metadata-eval 100.0%

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

   14. associate-+l+ 100.0%

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

   15. metadata-eval 100.0%

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

3. Simplified 100.0%

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

5. Taylor expanded in d2 around 0 66.9%

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

6. Final simplification 66.9%

   \[\leadsto d1 \cdot \left(d3 + 37\right) \]
7. Add Preprocessing

Alternative 4: 25.9% accurate, 4.3× speedup

Math

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

FPCore

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

C

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

Fortran

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

Java

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

Python

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

Julia

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

MATLAB

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

Wolfram

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

Derivation

1. Initial program 98.8%

   \[\left(d1 \cdot d2 + \left(d3 + 5\right) \cdot d1\right) + d1 \cdot 32 \]
2. Add Preprocessing

3. Taylor expanded in d3 around 0 62.9%

   \[\leadsto \color{blue}{\left(5 \cdot d1 + d1 \cdot d2\right)} + d1 \cdot 32 \]
4. Step-by-step derivation

   1. +-commutative 62.9%

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

   2. *-commutative 62.9%

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

   3. distribute-lft-out 62.9%

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

5. Simplified 62.9%

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

6. Taylor expanded in d2 around 0 29.5%

   \[\leadsto \color{blue}{5 \cdot d1 + 32 \cdot d1} \]
7. Step-by-step derivation

   1. distribute-rgt-out 29.6%

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

   2. metadata-eval 29.6%

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

8. Simplified 29.6%

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

9. Final simplification 29.6%

   \[\leadsto d1 \cdot 37 \]
10. Add Preprocessing

Alternative 5: 40.0% accurate, 4.3× speedup

Math

\[\begin{array}{l} \\ d1 \cdot d2 \end{array} \]

FPCore

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

C

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

Fortran

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

Java

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

Python

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

Julia

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

MATLAB

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

Wolfram

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

Derivation

1. Initial program 98.8%

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

   1. cancel-sign-sub 98.8%

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

   2. +-commutative 98.8%

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

   3. *-commutative 98.8%

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

   4. distribute-lft-out 100.0%

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

   5. distribute-lft-neg-out 100.0%

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

   6. distribute-rgt-neg-in 100.0%

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

   7. distribute-lft-out-- 100.0%

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

   8. associate-+r+ 100.0%

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

   9. +-commutative 100.0%

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

   10. associate--l+ 100.0%

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

   11. sub-neg 100.0%

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

   12. metadata-eval 100.0%

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

   13. metadata-eval 100.0%

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

   14. associate-+l+ 100.0%

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

   15. metadata-eval 100.0%

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

3. Simplified 100.0%

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

5. Taylor expanded in d2 around inf 36.4%

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

6. Final simplification 36.4%

   \[\leadsto d1 \cdot d2 \]
7. Add Preprocessing

Alternative 6: 40.4% accurate, 4.3× speedup

Math

\[\begin{array}{l} \\ d1 \cdot d3 \end{array} \]

FPCore

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

C

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

Fortran

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

Java

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

Python

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

Julia

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

MATLAB

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

Wolfram

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

Derivation

1. Initial program 98.8%

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

   1. cancel-sign-sub 98.8%

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

   2. +-commutative 98.8%

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

   3. *-commutative 98.8%

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

   4. distribute-lft-out 100.0%

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

   5. distribute-lft-neg-out 100.0%

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

   6. distribute-rgt-neg-in 100.0%

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

   7. distribute-lft-out-- 100.0%

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

   8. associate-+r+ 100.0%

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

   9. +-commutative 100.0%

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

   10. associate--l+ 100.0%

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

   11. sub-neg 100.0%

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

   12. metadata-eval 100.0%

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

   13. metadata-eval 100.0%

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

   14. associate-+l+ 100.0%

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

   15. metadata-eval 100.0%

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

3. Simplified 100.0%

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

5. Taylor expanded in d3 around inf 39.6%

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

6. Final simplification 39.6%

   \[\leadsto d1 \cdot d3 \]
7. Add Preprocessing

Developer target: 100.0% accurate, 1.9× speedup

Math

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

FPCore

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

C

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

Fortran

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

Java

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

Python

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

Julia

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

MATLAB

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

Wolfram

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

Reproduce

herbie shell --seed 2024033 
(FPCore (d1 d2 d3)
  :name "FastMath dist3"
  :precision binary64

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

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