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

Percentage Accurate: 94.0% → 96.8%

Time: 31.7s

Alternatives: 20

Speedup: 0.7×

Specification

Math

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

FPCore

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

C

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

Fortran

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

Java

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

Python

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

Julia

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

MATLAB

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

Wolfram

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

Initial Program: 94.0% 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: 96.8% accurate, 0.5× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := \frac{2}{t \cdot 3}\\ t_2 := \sqrt{t + a}\\ \mathbf{if}\;\frac{z \cdot t\_2}{t} + \left(b - c\right) \cdot \left(t\_1 - \left(a + 0.8333333333333334\right)\right) \leq \infty:\\ \;\;\;\;\frac{x}{x + y \cdot {\left(e^{2}\right)}^{\left(z \cdot \frac{t\_2}{t} + \left(b - c\right) \cdot \left(\left(t\_1 - 0.8333333333333334\right) - a\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (let* ((t_1 (/ 2.0 (* t 3.0))) (t_2 (sqrt (+ t a))))
   (if (<=
        (+ (/ (* z t_2) t) (* (- b c) (- t_1 (+ a 0.8333333333333334))))
        INFINITY)
     (/
      x
      (+
       x
       (*
        y
        (pow
         (exp 2.0)
         (+ (* z (/ t_2 t)) (* (- b c) (- (- t_1 0.8333333333333334) a)))))))
     (/
      x
      (+
       x
       (*
        y
        (exp
         (*
          2.0
          (* c (- (+ a 0.8333333333333334) (/ 0.6666666666666666 t)))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double t_1 = 2.0 / (t * 3.0);
	double t_2 = sqrt((t + a));
	double tmp;
	if ((((z * t_2) / t) + ((b - c) * (t_1 - (a + 0.8333333333333334)))) <= ((double) INFINITY)) {
		tmp = x / (x + (y * pow(exp(2.0), ((z * (t_2 / t)) + ((b - c) * ((t_1 - 0.8333333333333334) - a))))));
	} else {
		tmp = x / (x + (y * exp((2.0 * (c * ((a + 0.8333333333333334) - (0.6666666666666666 / 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 = 2.0 / (t * 3.0);
	double t_2 = Math.sqrt((t + a));
	double tmp;
	if ((((z * t_2) / t) + ((b - c) * (t_1 - (a + 0.8333333333333334)))) <= Double.POSITIVE_INFINITY) {
		tmp = x / (x + (y * Math.pow(Math.exp(2.0), ((z * (t_2 / t)) + ((b - c) * ((t_1 - 0.8333333333333334) - a))))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * (c * ((a + 0.8333333333333334) - (0.6666666666666666 / t)))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	t_1 = 2.0 / (t * 3.0)
	t_2 = math.sqrt((t + a))
	tmp = 0
	if (((z * t_2) / t) + ((b - c) * (t_1 - (a + 0.8333333333333334)))) <= math.inf:
		tmp = x / (x + (y * math.pow(math.exp(2.0), ((z * (t_2 / t)) + ((b - c) * ((t_1 - 0.8333333333333334) - a))))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * (c * ((a + 0.8333333333333334) - (0.6666666666666666 / t)))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	t_1 = Float64(2.0 / Float64(t * 3.0))
	t_2 = sqrt(Float64(t + a))
	tmp = 0.0
	if (Float64(Float64(Float64(z * t_2) / t) + Float64(Float64(b - c) * Float64(t_1 - Float64(a + 0.8333333333333334)))) <= Inf)
		tmp = Float64(x / Float64(x + Float64(y * (exp(2.0) ^ Float64(Float64(z * Float64(t_2 / t)) + Float64(Float64(b - c) * Float64(Float64(t_1 - 0.8333333333333334) - a)))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(c * Float64(Float64(a + 0.8333333333333334) - Float64(0.6666666666666666 / t))))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	t_1 = 2.0 / (t * 3.0);
	t_2 = sqrt((t + a));
	tmp = 0.0;
	if ((((z * t_2) / t) + ((b - c) * (t_1 - (a + 0.8333333333333334)))) <= Inf)
		tmp = x / (x + (y * (exp(2.0) ^ ((z * (t_2 / t)) + ((b - c) * ((t_1 - 0.8333333333333334) - a))))));
	else
		tmp = x / (x + (y * exp((2.0 * (c * ((a + 0.8333333333333334) - (0.6666666666666666 / t)))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := Block[{t$95$1 = N[(2.0 / N[(t * 3.0), $MachinePrecision]), $MachinePrecision]}, Block[{t$95$2 = N[Sqrt[N[(t + a), $MachinePrecision]], $MachinePrecision]}, If[LessEqual[N[(N[(N[(z * t$95$2), $MachinePrecision] / t), $MachinePrecision] + N[(N[(b - c), $MachinePrecision] * N[(t$95$1 - N[(a + 0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], Infinity], N[(x / N[(x + N[(y * N[Power[N[Exp[2.0], $MachinePrecision], N[(N[(z * N[(t$95$2 / t), $MachinePrecision]), $MachinePrecision] + N[(N[(b - c), $MachinePrecision] * N[(N[(t$95$1 - 0.8333333333333334), $MachinePrecision] - a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(c * N[(N[(a + 0.8333333333333334), $MachinePrecision] - N[(0.6666666666666666 / t), $MachinePrecision]), $MachinePrecision]), $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 #s(literal 5 binary64) #s(literal 6 binary64))) (/.f64 #s(literal 2 binary64) (*.f64 t #s(literal 3 binary64)))))) < +inf.0

   1. Initial program 98.8%

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

      1. exp-prod 98.8%

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

   3. Simplified 99.1%

      \[\leadsto \color{blue}{\frac{x}{x + y \cdot {\left(e^{2}\right)}^{\left(z \cdot \frac{\sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(a + \left(0.8333333333333334 - \frac{2}{t \cdot 3}\right)\right)\right)}}} \]
   4. Add Preprocessing

   if +inf.0 < (-.f64 (/.f64 (*.f64 z (sqrt.f64 (+.f64 t a))) t) (*.f64 (-.f64 b c) (-.f64 (+.f64 a (/.f64 #s(literal 5 binary64) #s(literal 6 binary64))) (/.f64 #s(literal 2 binary64) (*.f64 t #s(literal 3 binary64))))))

   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 c around inf 74.5%

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

      1. +-commutative 74.5%

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

      2. associate-*r/ 74.5%

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

      3. metadata-eval 74.5%

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

   5. Simplified 74.5%

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

4. Final simplification 97.3%

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

Alternative 2: 96.5% accurate, 0.4× speedup

Math

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

FPCore

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

Julia

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

Wolfram

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

Derivation

1. Initial program 91.4%

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

3. Simplified 95.8%

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

5. Final simplification 95.8%

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

Alternative 3: 96.7% accurate, 0.7× speedup

Math

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

FPCore

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

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double t_1 = ((z * sqrt((t + a))) / 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 * exp((2.0 * (c * ((a + 0.8333333333333334) - (0.6666666666666666 / 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((t + a))) / 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 * Math.exp((2.0 * (c * ((a + 0.8333333333333334) - (0.6666666666666666 / t)))))));
	}
	return tmp;
}

Python

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

Julia

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

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	t_1 = ((z * sqrt((t + a))) / 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 * exp((2.0 * (c * ((a + 0.8333333333333334) - (0.6666666666666666 / 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[(t + a), $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[Exp[N[(2.0 * N[(c * N[(N[(a + 0.8333333333333334), $MachinePrecision] - N[(0.6666666666666666 / t), $MachinePrecision]), $MachinePrecision]), $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 #s(literal 5 binary64) #s(literal 6 binary64))) (/.f64 #s(literal 2 binary64) (*.f64 t #s(literal 3 binary64)))))) < +inf.0

   1. Initial program 98.8%

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

   if +inf.0 < (-.f64 (/.f64 (*.f64 z (sqrt.f64 (+.f64 t a))) t) (*.f64 (-.f64 b c) (-.f64 (+.f64 a (/.f64 #s(literal 5 binary64) #s(literal 6 binary64))) (/.f64 #s(literal 2 binary64) (*.f64 t #s(literal 3 binary64))))))

   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 c around inf 74.5%

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

      1. +-commutative 74.5%

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

      2. associate-*r/ 74.5%

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

      3. metadata-eval 74.5%

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

   5. Simplified 74.5%

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

4. Final simplification 97.0%

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

Alternative 4: 89.1% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq -450:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 1.6 \cdot 10^{-29}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{z \cdot \sqrt{a} + -0.6666666666666666 \cdot \left(c - b\right)}{t}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(z \cdot \sqrt{\frac{1}{t}} + \left(a + 0.8333333333333334\right) \cdot \left(c - b\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t -450.0)
   (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
   (if (<= t 1.6e-29)
     (/
      x
      (+
       x
       (*
        y
        (exp
         (* 2.0 (/ (+ (* z (sqrt a)) (* -0.6666666666666666 (- c b))) t))))))
     (/
      x
      (+
       x
       (*
        y
        (exp
         (*
          2.0
          (+
           (* z (sqrt (/ 1.0 t)))
           (* (+ 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 <= -450.0) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else if (t <= 1.6e-29) {
		tmp = x / (x + (y * exp((2.0 * (((z * sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))));
	} else {
		tmp = x / (x + (y * exp((2.0 * ((z * sqrt((1.0 / t))) + ((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 <= (-450.0d0)) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else if (t <= 1.6d-29) then
        tmp = x / (x + (y * exp((2.0d0 * (((z * sqrt(a)) + ((-0.6666666666666666d0) * (c - b))) / t)))))
    else
        tmp = x / (x + (y * exp((2.0d0 * ((z * sqrt((1.0d0 / t))) + ((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 <= -450.0) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else if (t <= 1.6e-29) {
		tmp = x / (x + (y * Math.exp((2.0 * (((z * Math.sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * ((z * Math.sqrt((1.0 / t))) + ((a + 0.8333333333333334) * (c - b)))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= -450.0:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	elif t <= 1.6e-29:
		tmp = x / (x + (y * math.exp((2.0 * (((z * math.sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * ((z * math.sqrt((1.0 / t))) + ((a + 0.8333333333333334) * (c - b)))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= -450.0)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.3333333333333333 * Float64(Float64(b - c) / t))))));
	elseif (t <= 1.6e-29)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(Float64(z * sqrt(a)) + Float64(-0.6666666666666666 * Float64(c - b))) / t))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(z * sqrt(Float64(1.0 / t))) + 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 <= -450.0)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	elseif (t <= 1.6e-29)
		tmp = x / (x + (y * exp((2.0 * (((z * sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))));
	else
		tmp = x / (x + (y * exp((2.0 * ((z * sqrt((1.0 / t))) + ((a + 0.8333333333333334) * (c - b)))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, -450.0], N[(x / N[(x + N[(y * N[Exp[N[(1.3333333333333333 * N[(N[(b - c), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 1.6e-29], 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], 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[(a + 0.8333333333333334), $MachinePrecision] * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]

Derivation

1. Split input into 3 regimes

2. if t < -450

   1. Initial program 80.2%

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

   3. Taylor expanded in t around 0 48.5%

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

   4. Taylor expanded in z around 0 80.8%

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

   if -450 < t < 1.6e-29

   1. Initial program 90.1%

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

   3. Taylor expanded in t around 0 87.9%

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

   if 1.6e-29 < t

   1. Initial program 94.6%

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

   3. Taylor expanded in t around inf 97.4%

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

4. Final simplification 91.6%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq -450:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 1.6 \cdot 10^{-29}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{z \cdot \sqrt{a} + -0.6666666666666666 \cdot \left(c - b\right)}{t}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(z \cdot \sqrt{\frac{1}{t}} + \left(a + 0.8333333333333334\right) \cdot \left(c - b\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 5: 78.0% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := \frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}\\ \mathbf{if}\;c \leq -5.5 \cdot 10^{+36}:\\ \;\;\;\;t\_1\\ \mathbf{elif}\;c \leq -1.22 \cdot 10^{-160}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{z \cdot \sqrt{a} + -0.6666666666666666 \cdot \left(c - b\right)}{t}}}\\ \mathbf{elif}\;c \leq 0.00045:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;t\_1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (let* ((t_1
         (/
          x
          (+
           x
           (*
            y
            (exp
             (*
              2.0
              (*
               c
               (- (+ a 0.8333333333333334) (/ 0.6666666666666666 t))))))))))
   (if (<= c -5.5e+36)
     t_1
     (if (<= c -1.22e-160)
       (/
        x
        (+
         x
         (*
          y
          (exp
           (* 2.0 (/ (+ (* z (sqrt a)) (* -0.6666666666666666 (- c b))) t))))))
       (if (<= c 0.00045)
         (/
          x
          (+
           x
           (*
            y
            (exp
             (*
              2.0
              (* b (- (/ 0.6666666666666666 t) (+ a 0.8333333333333334))))))))
         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 * (c * ((a + 0.8333333333333334) - (0.6666666666666666 / t)))))));
	double tmp;
	if (c <= -5.5e+36) {
		tmp = t_1;
	} else if (c <= -1.22e-160) {
		tmp = x / (x + (y * exp((2.0 * (((z * sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))));
	} else if (c <= 0.00045) {
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	} 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 * (c * ((a + 0.8333333333333334d0) - (0.6666666666666666d0 / t)))))))
    if (c <= (-5.5d+36)) then
        tmp = t_1
    else if (c <= (-1.22d-160)) then
        tmp = x / (x + (y * exp((2.0d0 * (((z * sqrt(a)) + ((-0.6666666666666666d0) * (c - b))) / t)))))
    else if (c <= 0.00045d0) then
        tmp = x / (x + (y * exp((2.0d0 * (b * ((0.6666666666666666d0 / t) - (a + 0.8333333333333334d0)))))))
    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 * (c * ((a + 0.8333333333333334) - (0.6666666666666666 / t)))))));
	double tmp;
	if (c <= -5.5e+36) {
		tmp = t_1;
	} else if (c <= -1.22e-160) {
		tmp = x / (x + (y * Math.exp((2.0 * (((z * Math.sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))));
	} else if (c <= 0.00045) {
		tmp = x / (x + (y * Math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	} 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 * (c * ((a + 0.8333333333333334) - (0.6666666666666666 / t)))))))
	tmp = 0
	if c <= -5.5e+36:
		tmp = t_1
	elif c <= -1.22e-160:
		tmp = x / (x + (y * math.exp((2.0 * (((z * math.sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))))
	elif c <= 0.00045:
		tmp = x / (x + (y * math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))))
	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(c * Float64(Float64(a + 0.8333333333333334) - Float64(0.6666666666666666 / t))))))))
	tmp = 0.0
	if (c <= -5.5e+36)
		tmp = t_1;
	elseif (c <= -1.22e-160)
		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 (c <= 0.00045)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(b * Float64(Float64(0.6666666666666666 / t) - Float64(a + 0.8333333333333334))))))));
	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 * (c * ((a + 0.8333333333333334) - (0.6666666666666666 / t)))))));
	tmp = 0.0;
	if (c <= -5.5e+36)
		tmp = t_1;
	elseif (c <= -1.22e-160)
		tmp = x / (x + (y * exp((2.0 * (((z * sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))));
	elseif (c <= 0.00045)
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	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[(c * N[(N[(a + 0.8333333333333334), $MachinePrecision] - N[(0.6666666666666666 / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]}, If[LessEqual[c, -5.5e+36], t$95$1, If[LessEqual[c, -1.22e-160], 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[c, 0.00045], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(b * N[(N[(0.6666666666666666 / t), $MachinePrecision] - N[(a + 0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], t$95$1]]]]

Derivation

1. Split input into 3 regimes

2. if c < -5.5000000000000002e36 or 4.4999999999999999e-4 < c

   1. Initial program 90.7%

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

   3. Taylor expanded in c around inf 90.2%

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

      1. +-commutative 90.2%

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

      2. associate-*r/ 90.2%

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

      3. metadata-eval 90.2%

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

   5. Simplified 90.2%

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

   if -5.5000000000000002e36 < c < -1.22000000000000003e-160

   1. Initial program 90.8%

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

   3. Taylor expanded in t around 0 84.0%

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

   if -1.22000000000000003e-160 < c < 4.4999999999999999e-4

   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 b around inf 81.4%

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

      1. associate-*r/ 81.4%

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

      2. metadata-eval 81.4%

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

      3. +-commutative 81.4%

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

   5. Simplified 81.4%

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

4. Final simplification 86.3%

   \[\leadsto \begin{array}{l} \mathbf{if}\;c \leq -5.5 \cdot 10^{+36}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}\\ \mathbf{elif}\;c \leq -1.22 \cdot 10^{-160}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{z \cdot \sqrt{a} + -0.6666666666666666 \cdot \left(c - b\right)}{t}}}\\ \mathbf{elif}\;c \leq 0.00045:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 6: 60.8% accurate, 1.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;c \leq -6 \cdot 10^{-161}:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 1.1 \cdot 10^{-293}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(-b\right)\right)}}\\ \mathbf{elif}\;c \leq 3.4 \cdot 10^{-242}:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 25.5:\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= c -6e-161)
   1.0
   (if (<= c 1.1e-293)
     (/ x (+ x (* y (exp (* 2.0 (* a (- b)))))))
     (if (<= c 3.4e-242)
       1.0
       (if (<= c 25.5)
         (/ x (+ x (* y (exp (* b -1.6666666666666667)))))
         (/ x (+ x (* y (exp (* c 1.6666666666666667))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= -6e-161) {
		tmp = 1.0;
	} else if (c <= 1.1e-293) {
		tmp = x / (x + (y * exp((2.0 * (a * -b)))));
	} else if (c <= 3.4e-242) {
		tmp = 1.0;
	} else if (c <= 25.5) {
		tmp = x / (x + (y * exp((b * -1.6666666666666667))));
	} else {
		tmp = x / (x + (y * exp((c * 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 (c <= (-6d-161)) then
        tmp = 1.0d0
    else if (c <= 1.1d-293) then
        tmp = x / (x + (y * exp((2.0d0 * (a * -b)))))
    else if (c <= 3.4d-242) then
        tmp = 1.0d0
    else if (c <= 25.5d0) then
        tmp = x / (x + (y * exp((b * (-1.6666666666666667d0)))))
    else
        tmp = x / (x + (y * exp((c * 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 (c <= -6e-161) {
		tmp = 1.0;
	} else if (c <= 1.1e-293) {
		tmp = x / (x + (y * Math.exp((2.0 * (a * -b)))));
	} else if (c <= 3.4e-242) {
		tmp = 1.0;
	} else if (c <= 25.5) {
		tmp = x / (x + (y * Math.exp((b * -1.6666666666666667))));
	} else {
		tmp = x / (x + (y * Math.exp((c * 1.6666666666666667))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if c <= -6e-161:
		tmp = 1.0
	elif c <= 1.1e-293:
		tmp = x / (x + (y * math.exp((2.0 * (a * -b)))))
	elif c <= 3.4e-242:
		tmp = 1.0
	elif c <= 25.5:
		tmp = x / (x + (y * math.exp((b * -1.6666666666666667))))
	else:
		tmp = x / (x + (y * math.exp((c * 1.6666666666666667))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (c <= -6e-161)
		tmp = 1.0;
	elseif (c <= 1.1e-293)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(a * Float64(-b)))))));
	elseif (c <= 3.4e-242)
		tmp = 1.0;
	elseif (c <= 25.5)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(b * -1.6666666666666667)))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(c * 1.6666666666666667)))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (c <= -6e-161)
		tmp = 1.0;
	elseif (c <= 1.1e-293)
		tmp = x / (x + (y * exp((2.0 * (a * -b)))));
	elseif (c <= 3.4e-242)
		tmp = 1.0;
	elseif (c <= 25.5)
		tmp = x / (x + (y * exp((b * -1.6666666666666667))));
	else
		tmp = x / (x + (y * exp((c * 1.6666666666666667))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[c, -6e-161], 1.0, If[LessEqual[c, 1.1e-293], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(a * (-b)), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[c, 3.4e-242], 1.0, If[LessEqual[c, 25.5], N[(x / N[(x + N[(y * N[Exp[N[(b * -1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(c * 1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]]

Derivation

1. Split input into 4 regimes

2. if c < -5.99999999999999977e-161 or 1.1e-293 < c < 3.4000000000000001e-242

   1. Initial program 91.4%

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

   3. Taylor expanded in c around inf 74.5%

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

      1. +-commutative 74.5%

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

      2. associate-*r/ 74.5%

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

      3. metadata-eval 74.5%

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

   5. Simplified 74.5%

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

   6. Taylor expanded in x around inf 67.2%

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

   if -5.99999999999999977e-161 < c < 1.1e-293

   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 b around inf 75.7%

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

      1. associate-*r/ 75.7%

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

      2. metadata-eval 75.7%

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

      3. +-commutative 75.7%

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

   5. Simplified 75.7%

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

   6. Taylor expanded in a around inf 71.6%

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

      1. associate-*r* 71.6%

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

      2. mul-1-neg 71.6%

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

   8. Simplified 71.6%

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

   if 3.4000000000000001e-242 < c < 25.5

   1. Initial program 94.0%

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

   3. Taylor expanded in b around inf 84.4%

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

      1. associate-*r/ 84.4%

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

      2. metadata-eval 84.4%

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

      3. +-commutative 84.4%

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

   5. Simplified 84.4%

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

   6. Taylor expanded in t around inf 72.8%

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

      1. mul-1-neg 72.8%

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

      2. distribute-rgt-neg-in 72.8%

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

      3. distribute-neg-in 72.8%

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

      4. metadata-eval 72.8%

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

      5. unsub-neg 72.8%

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

   8. Simplified 72.8%

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

   9. Taylor expanded in a around 0 72.8%

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

   if 25.5 < c

   1. Initial program 89.6%

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

   3. Taylor expanded in c around inf 88.4%

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

      1. +-commutative 88.4%

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

      2. associate-*r/ 88.4%

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

      3. metadata-eval 88.4%

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

   5. Simplified 88.4%

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

   6. Taylor expanded in t around inf 74.0%

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

      1. *-commutative 74.0%

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

   8. Simplified 74.0%

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

   9. Taylor expanded in a around 0 72.5%

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

4. Final simplification 70.1%

   \[\leadsto \begin{array}{l} \mathbf{if}\;c \leq -6 \cdot 10^{-161}:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 1.1 \cdot 10^{-293}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot \left(-b\right)\right)}}\\ \mathbf{elif}\;c \leq 3.4 \cdot 10^{-242}:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 25.5:\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \end{array} \]
5. Add Preprocessing

Alternative 7: 80.2% accurate, 1.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;c \leq -9 \cdot 10^{+31} \lor \neg \left(c \leq 0.00023\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (or (<= c -9e+31) (not (<= c 0.00023)))
   (/
    x
    (+
     x
     (*
      y
      (exp
       (* 2.0 (* c (- (+ a 0.8333333333333334) (/ 0.6666666666666666 t))))))))
   (/
    x
    (+
     x
     (*
      y
      (exp
       (*
        2.0
        (* b (- (/ 0.6666666666666666 t) (+ a 0.8333333333333334))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((c <= -9e+31) || !(c <= 0.00023)) {
		tmp = x / (x + (y * exp((2.0 * (c * ((a + 0.8333333333333334) - (0.6666666666666666 / t)))))));
	} else {
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	}
	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 <= (-9d+31)) .or. (.not. (c <= 0.00023d0))) then
        tmp = x / (x + (y * exp((2.0d0 * (c * ((a + 0.8333333333333334d0) - (0.6666666666666666d0 / t)))))))
    else
        tmp = x / (x + (y * exp((2.0d0 * (b * ((0.6666666666666666d0 / t) - (a + 0.8333333333333334d0)))))))
    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 <= -9e+31) || !(c <= 0.00023)) {
		tmp = x / (x + (y * Math.exp((2.0 * (c * ((a + 0.8333333333333334) - (0.6666666666666666 / t)))))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if (c <= -9e+31) or not (c <= 0.00023):
		tmp = x / (x + (y * math.exp((2.0 * (c * ((a + 0.8333333333333334) - (0.6666666666666666 / t)))))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if ((c <= -9e+31) || !(c <= 0.00023))
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(c * Float64(Float64(a + 0.8333333333333334) - Float64(0.6666666666666666 / t))))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(b * Float64(Float64(0.6666666666666666 / t) - Float64(a + 0.8333333333333334))))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if ((c <= -9e+31) || ~((c <= 0.00023)))
		tmp = x / (x + (y * exp((2.0 * (c * ((a + 0.8333333333333334) - (0.6666666666666666 / t)))))));
	else
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[Or[LessEqual[c, -9e+31], N[Not[LessEqual[c, 0.00023]], $MachinePrecision]], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(c * N[(N[(a + 0.8333333333333334), $MachinePrecision] - N[(0.6666666666666666 / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(b * N[(N[(0.6666666666666666 / t), $MachinePrecision] - N[(a + 0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if c < -8.9999999999999992e31 or 2.3000000000000001e-4 < c

   1. Initial program 90.8%

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

   3. Taylor expanded in c around inf 90.3%

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

      1. +-commutative 90.3%

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

      2. associate-*r/ 90.3%

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

      3. metadata-eval 90.3%

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

   5. Simplified 90.3%

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

   if -8.9999999999999992e31 < c < 2.3000000000000001e-4

   1. Initial program 92.1%

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

   3. Taylor expanded in b around inf 77.7%

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

      1. associate-*r/ 77.7%

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

      2. metadata-eval 77.7%

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

      3. +-commutative 77.7%

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

   5. Simplified 77.7%

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

4. Final simplification 84.1%

   \[\leadsto \begin{array}{l} \mathbf{if}\;c \leq -9 \cdot 10^{+31} \lor \neg \left(c \leq 0.00023\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 8: 68.5% accurate, 1.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq 2 \cdot 10^{-14}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 1.25 \cdot 10^{+107}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \mathbf{elif}\;t \leq 2 \cdot 10^{+210}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot c\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t 2e-14)
   (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
   (if (<= t 1.25e+107)
     (/ x (+ x (* y (exp (* b -1.6666666666666667)))))
     (if (<= t 2e+210)
       (/ x (+ x (* y (exp (* 2.0 (* a c))))))
       (/ x (+ x (* y (exp (* c 1.6666666666666667)))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= 2e-14) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else if (t <= 1.25e+107) {
		tmp = x / (x + (y * exp((b * -1.6666666666666667))));
	} else if (t <= 2e+210) {
		tmp = x / (x + (y * exp((2.0 * (a * c)))));
	} else {
		tmp = x / (x + (y * exp((c * 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 <= 2d-14) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else if (t <= 1.25d+107) then
        tmp = x / (x + (y * exp((b * (-1.6666666666666667d0)))))
    else if (t <= 2d+210) then
        tmp = x / (x + (y * exp((2.0d0 * (a * c)))))
    else
        tmp = x / (x + (y * exp((c * 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 <= 2e-14) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else if (t <= 1.25e+107) {
		tmp = x / (x + (y * Math.exp((b * -1.6666666666666667))));
	} else if (t <= 2e+210) {
		tmp = x / (x + (y * Math.exp((2.0 * (a * c)))));
	} else {
		tmp = x / (x + (y * Math.exp((c * 1.6666666666666667))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= 2e-14:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	elif t <= 1.25e+107:
		tmp = x / (x + (y * math.exp((b * -1.6666666666666667))))
	elif t <= 2e+210:
		tmp = x / (x + (y * math.exp((2.0 * (a * c)))))
	else:
		tmp = x / (x + (y * math.exp((c * 1.6666666666666667))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= 2e-14)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.3333333333333333 * Float64(Float64(b - c) / t))))));
	elseif (t <= 1.25e+107)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(b * -1.6666666666666667)))));
	elseif (t <= 2e+210)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(a * c))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(c * 1.6666666666666667)))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (t <= 2e-14)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	elseif (t <= 1.25e+107)
		tmp = x / (x + (y * exp((b * -1.6666666666666667))));
	elseif (t <= 2e+210)
		tmp = x / (x + (y * exp((2.0 * (a * c)))));
	else
		tmp = x / (x + (y * exp((c * 1.6666666666666667))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, 2e-14], N[(x / N[(x + N[(y * N[Exp[N[(1.3333333333333333 * N[(N[(b - c), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 1.25e+107], N[(x / N[(x + N[(y * N[Exp[N[(b * -1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 2e+210], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(a * c), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(c * 1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]

Derivation

1. Split input into 4 regimes

2. if t < 2e-14

   1. Initial program 89.2%

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

   3. Taylor expanded in t around 0 82.8%

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

   4. Taylor expanded in z around 0 75.8%

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

   if 2e-14 < t < 1.25e107

   1. Initial program 97.4%

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

   3. Taylor expanded in b around inf 82.2%

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

      1. associate-*r/ 82.2%

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

      2. metadata-eval 82.2%

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

      3. +-commutative 82.2%

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

   5. Simplified 82.2%

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

   6. Taylor expanded in t around inf 82.2%

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

      1. mul-1-neg 82.2%

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

      2. distribute-rgt-neg-in 82.2%

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

      3. distribute-neg-in 82.2%

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

      4. metadata-eval 82.2%

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

      5. unsub-neg 82.2%

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

   8. Simplified 82.2%

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

   9. Taylor expanded in a around 0 82.2%

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

   if 1.25e107 < t < 1.99999999999999985e210

   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 c around inf 85.3%

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

      1. +-commutative 85.3%

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

      2. associate-*r/ 85.3%

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

      3. metadata-eval 85.3%

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

   5. Simplified 85.3%

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

   6. Taylor expanded in a around inf 79.4%

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

   if 1.99999999999999985e210 < t

   1. Initial program 86.7%

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

   3. Taylor expanded in c around inf 73.9%

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

      1. +-commutative 73.9%

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

      2. associate-*r/ 73.9%

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

      3. metadata-eval 73.9%

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

   5. Simplified 73.9%

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

   6. Taylor expanded in t around inf 73.9%

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

      1. *-commutative 73.9%

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

   8. Simplified 73.9%

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

   9. Taylor expanded in a around 0 76.5%

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

4. Final simplification 77.3%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq 2 \cdot 10^{-14}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 1.25 \cdot 10^{+107}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \mathbf{elif}\;t \leq 2 \cdot 10^{+210}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot c\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \end{array} \]
5. Add Preprocessing

Alternative 9: 54.9% accurate, 1.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;c \leq 1.36 \cdot 10^{-242}:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 0.0004 \lor \neg \left(c \leq 2 \cdot 10^{+245}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + \left(y - 2 \cdot \left(b \cdot \frac{a \cdot \left(t \cdot \left(y - -0.8333333333333334 \cdot \frac{y}{a}\right)\right) - y \cdot 0.6666666666666666}{t}\right)\right)}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= c 1.36e-242)
   1.0
   (if (or (<= c 0.0004) (not (<= c 2e+245)))
     (/ x (+ x (* y (exp (* b -1.6666666666666667)))))
     (/
      x
      (+
       x
       (-
        y
        (*
         2.0
         (*
          b
          (/
           (-
            (* a (* t (- y (* -0.8333333333333334 (/ y a)))))
            (* y 0.6666666666666666))
           t)))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= 1.36e-242) {
		tmp = 1.0;
	} else if ((c <= 0.0004) || !(c <= 2e+245)) {
		tmp = x / (x + (y * exp((b * -1.6666666666666667))));
	} else {
		tmp = x / (x + (y - (2.0 * (b * (((a * (t * (y - (-0.8333333333333334 * (y / a))))) - (y * 0.6666666666666666)) / t)))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (c <= 1.36d-242) then
        tmp = 1.0d0
    else if ((c <= 0.0004d0) .or. (.not. (c <= 2d+245))) then
        tmp = x / (x + (y * exp((b * (-1.6666666666666667d0)))))
    else
        tmp = x / (x + (y - (2.0d0 * (b * (((a * (t * (y - ((-0.8333333333333334d0) * (y / a))))) - (y * 0.6666666666666666d0)) / t)))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= 1.36e-242) {
		tmp = 1.0;
	} else if ((c <= 0.0004) || !(c <= 2e+245)) {
		tmp = x / (x + (y * Math.exp((b * -1.6666666666666667))));
	} else {
		tmp = x / (x + (y - (2.0 * (b * (((a * (t * (y - (-0.8333333333333334 * (y / a))))) - (y * 0.6666666666666666)) / t)))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if c <= 1.36e-242:
		tmp = 1.0
	elif (c <= 0.0004) or not (c <= 2e+245):
		tmp = x / (x + (y * math.exp((b * -1.6666666666666667))))
	else:
		tmp = x / (x + (y - (2.0 * (b * (((a * (t * (y - (-0.8333333333333334 * (y / a))))) - (y * 0.6666666666666666)) / t)))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (c <= 1.36e-242)
		tmp = 1.0;
	elseif ((c <= 0.0004) || !(c <= 2e+245))
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(b * -1.6666666666666667)))));
	else
		tmp = Float64(x / Float64(x + Float64(y - Float64(2.0 * Float64(b * Float64(Float64(Float64(a * Float64(t * Float64(y - Float64(-0.8333333333333334 * Float64(y / a))))) - Float64(y * 0.6666666666666666)) / t))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (c <= 1.36e-242)
		tmp = 1.0;
	elseif ((c <= 0.0004) || ~((c <= 2e+245)))
		tmp = x / (x + (y * exp((b * -1.6666666666666667))));
	else
		tmp = x / (x + (y - (2.0 * (b * (((a * (t * (y - (-0.8333333333333334 * (y / a))))) - (y * 0.6666666666666666)) / t)))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[c, 1.36e-242], 1.0, If[Or[LessEqual[c, 0.0004], N[Not[LessEqual[c, 2e+245]], $MachinePrecision]], N[(x / N[(x + N[(y * N[Exp[N[(b * -1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y - N[(2.0 * N[(b * N[(N[(N[(a * N[(t * N[(y - N[(-0.8333333333333334 * N[(y / a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] - N[(y * 0.6666666666666666), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]

Derivation

1. Split input into 3 regimes

2. if c < 1.35999999999999998e-242

   1. Initial program 91.4%

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

   3. Taylor expanded in c around inf 71.2%

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

      1. +-commutative 71.2%

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

      2. associate-*r/ 71.2%

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

      3. metadata-eval 71.2%

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

   5. Simplified 71.2%

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

   6. Taylor expanded in x around inf 64.6%

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

   if 1.35999999999999998e-242 < c < 4.00000000000000019e-4 or 2.00000000000000009e245 < c

   1. Initial program 94.6%

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

   3. Taylor expanded in b around inf 85.8%

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

      1. associate-*r/ 85.8%

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

      2. metadata-eval 85.8%

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

      3. +-commutative 85.8%

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

   5. Simplified 85.8%

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

   6. Taylor expanded in t around inf 71.7%

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

      1. mul-1-neg 71.7%

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

      2. distribute-rgt-neg-in 71.7%

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

      3. distribute-neg-in 71.7%

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

      4. metadata-eval 71.7%

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

      5. unsub-neg 71.7%

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

   8. Simplified 71.7%

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

   9. Taylor expanded in a around 0 73.5%

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

   if 4.00000000000000019e-4 < c < 2.00000000000000009e245

   1. Initial program 88.7%

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

   3. Taylor expanded in b around inf 53.2%

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

      1. associate-*r/ 53.2%

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

      2. metadata-eval 53.2%

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

      3. +-commutative 53.2%

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

   5. Simplified 53.2%

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

   6. Taylor expanded in b around 0 49.1%

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

   7. Taylor expanded in a around -inf 48.9%

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

      1. associate-*r* 48.9%

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

      2. mul-1-neg 48.9%

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

      3. mul-1-neg 48.9%

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

      4. associate-/l* 47.3%

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

      5. sub-neg 47.3%

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

      6. associate-*r/ 47.3%

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

      7. metadata-eval 47.3%

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

      8. metadata-eval 47.3%

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

   9. Simplified 47.3%

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

   10. Taylor expanded in t around 0 59.7%

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

4. Final simplification 65.3%

   \[\leadsto \begin{array}{l} \mathbf{if}\;c \leq 1.36 \cdot 10^{-242}:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 0.0004 \lor \neg \left(c \leq 2 \cdot 10^{+245}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + \left(y - 2 \cdot \left(b \cdot \frac{a \cdot \left(t \cdot \left(y - -0.8333333333333334 \cdot \frac{y}{a}\right)\right) - y \cdot 0.6666666666666666}{t}\right)\right)}\\ \end{array} \]
5. Add Preprocessing

Alternative 10: 71.8% accurate, 1.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq 2 \cdot 10^{-13}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 3.5 \cdot 10^{+106}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(a + 0.8333333333333334\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t 2e-13)
   (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
   (if (<= t 3.5e+106)
     (/ x (+ x (* y (exp (* b -1.6666666666666667)))))
     (/ x (+ x (* y (exp (* 2.0 (* c (+ a 0.8333333333333334))))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= 2e-13) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else if (t <= 3.5e+106) {
		tmp = x / (x + (y * exp((b * -1.6666666666666667))));
	} else {
		tmp = x / (x + (y * exp((2.0 * (c * (a + 0.8333333333333334))))));
	}
	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 <= 2d-13) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else if (t <= 3.5d+106) then
        tmp = x / (x + (y * exp((b * (-1.6666666666666667d0)))))
    else
        tmp = x / (x + (y * exp((2.0d0 * (c * (a + 0.8333333333333334d0))))))
    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 <= 2e-13) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else if (t <= 3.5e+106) {
		tmp = x / (x + (y * Math.exp((b * -1.6666666666666667))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * (c * (a + 0.8333333333333334))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= 2e-13:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	elif t <= 3.5e+106:
		tmp = x / (x + (y * math.exp((b * -1.6666666666666667))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * (c * (a + 0.8333333333333334))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= 2e-13)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.3333333333333333 * Float64(Float64(b - c) / t))))));
	elseif (t <= 3.5e+106)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(b * -1.6666666666666667)))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(c * Float64(a + 0.8333333333333334)))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (t <= 2e-13)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	elseif (t <= 3.5e+106)
		tmp = x / (x + (y * exp((b * -1.6666666666666667))));
	else
		tmp = x / (x + (y * exp((2.0 * (c * (a + 0.8333333333333334))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, 2e-13], N[(x / N[(x + N[(y * N[Exp[N[(1.3333333333333333 * N[(N[(b - c), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 3.5e+106], N[(x / N[(x + N[(y * N[Exp[N[(b * -1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(c * N[(a + 0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]

Derivation

1. Split input into 3 regimes

2. if t < 2.0000000000000001e-13

   1. Initial program 89.2%

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

   3. Taylor expanded in t around 0 82.8%

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

   4. Taylor expanded in z around 0 75.8%

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

   if 2.0000000000000001e-13 < t < 3.49999999999999981e106

   1. Initial program 97.4%

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

   3. Taylor expanded in b around inf 82.2%

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

      1. associate-*r/ 82.2%

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

      2. metadata-eval 82.2%

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

      3. +-commutative 82.2%

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

   5. Simplified 82.2%

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

   6. Taylor expanded in t around inf 82.2%

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

      1. mul-1-neg 82.2%

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

      2. distribute-rgt-neg-in 82.2%

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

      3. distribute-neg-in 82.2%

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

      4. metadata-eval 82.2%

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

      5. unsub-neg 82.2%

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

   8. Simplified 82.2%

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

   9. Taylor expanded in a around 0 82.2%

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

   if 3.49999999999999981e106 < t

   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 c around inf 79.3%

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

      1. +-commutative 79.3%

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

      2. associate-*r/ 79.3%

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

      3. metadata-eval 79.3%

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

   5. Simplified 79.3%

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

   6. Taylor expanded in t around inf 79.3%

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

      1. *-commutative 79.3%

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

   8. Simplified 79.3%

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

4. Final simplification 77.7%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq 2 \cdot 10^{-13}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 3.5 \cdot 10^{+106}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(a + 0.8333333333333334\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 11: 59.5% accurate, 1.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;c \leq 1.25 \cdot 10^{-242}:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 5.6:\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= c 1.25e-242)
   1.0
   (if (<= c 5.6)
     (/ x (+ x (* y (exp (* b -1.6666666666666667)))))
     (/ x (+ x (* y (exp (* c 1.6666666666666667))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= 1.25e-242) {
		tmp = 1.0;
	} else if (c <= 5.6) {
		tmp = x / (x + (y * exp((b * -1.6666666666666667))));
	} else {
		tmp = x / (x + (y * exp((c * 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 (c <= 1.25d-242) then
        tmp = 1.0d0
    else if (c <= 5.6d0) then
        tmp = x / (x + (y * exp((b * (-1.6666666666666667d0)))))
    else
        tmp = x / (x + (y * exp((c * 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 (c <= 1.25e-242) {
		tmp = 1.0;
	} else if (c <= 5.6) {
		tmp = x / (x + (y * Math.exp((b * -1.6666666666666667))));
	} else {
		tmp = x / (x + (y * Math.exp((c * 1.6666666666666667))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if c <= 1.25e-242:
		tmp = 1.0
	elif c <= 5.6:
		tmp = x / (x + (y * math.exp((b * -1.6666666666666667))))
	else:
		tmp = x / (x + (y * math.exp((c * 1.6666666666666667))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (c <= 1.25e-242)
		tmp = 1.0;
	elseif (c <= 5.6)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(b * -1.6666666666666667)))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(c * 1.6666666666666667)))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (c <= 1.25e-242)
		tmp = 1.0;
	elseif (c <= 5.6)
		tmp = x / (x + (y * exp((b * -1.6666666666666667))));
	else
		tmp = x / (x + (y * exp((c * 1.6666666666666667))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[c, 1.25e-242], 1.0, If[LessEqual[c, 5.6], N[(x / N[(x + N[(y * N[Exp[N[(b * -1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], N[(x / N[(x + N[(y * N[Exp[N[(c * 1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]

Derivation

1. Split input into 3 regimes

2. if c < 1.25e-242

   1. Initial program 91.4%

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

   3. Taylor expanded in c around inf 71.2%

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

      1. +-commutative 71.2%

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

      2. associate-*r/ 71.2%

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

      3. metadata-eval 71.2%

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

   5. Simplified 71.2%

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

   6. Taylor expanded in x around inf 64.6%

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

   if 1.25e-242 < c < 5.5999999999999996

   1. Initial program 94.0%

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

   3. Taylor expanded in b around inf 84.4%

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

      1. associate-*r/ 84.4%

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

      2. metadata-eval 84.4%

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

      3. +-commutative 84.4%

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

   5. Simplified 84.4%

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

   6. Taylor expanded in t around inf 72.8%

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

      1. mul-1-neg 72.8%

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

      2. distribute-rgt-neg-in 72.8%

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

      3. distribute-neg-in 72.8%

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

      4. metadata-eval 72.8%

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

      5. unsub-neg 72.8%

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

   8. Simplified 72.8%

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

   9. Taylor expanded in a around 0 72.8%

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

   if 5.5999999999999996 < c

   1. Initial program 89.6%

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

   3. Taylor expanded in c around inf 88.4%

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

      1. +-commutative 88.4%

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

      2. associate-*r/ 88.4%

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

      3. metadata-eval 88.4%

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

   5. Simplified 88.4%

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

   6. Taylor expanded in t around inf 74.0%

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

      1. *-commutative 74.0%

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

   8. Simplified 74.0%

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

   9. Taylor expanded in a around 0 72.5%

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

4. Final simplification 68.3%

   \[\leadsto \begin{array}{l} \mathbf{if}\;c \leq 1.25 \cdot 10^{-242}:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq 5.6:\\ \;\;\;\;\frac{x}{x + y \cdot e^{b \cdot -1.6666666666666667}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \end{array} \]
5. Add Preprocessing

Alternative 12: 72.8% accurate, 2.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq 1.65 \cdot 10^{-12}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(-0.8333333333333334 - a\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t 1.65e-12)
   (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
   (/ x (+ x (* y (exp (* 2.0 (* b (- -0.8333333333333334 a)))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= 1.65e-12) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else {
		tmp = x / (x + (y * exp((2.0 * (b * (-0.8333333333333334 - a))))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (t <= 1.65d-12) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else
        tmp = x / (x + (y * exp((2.0d0 * (b * ((-0.8333333333333334d0) - a))))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (t <= 1.65e-12) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * (b * (-0.8333333333333334 - a))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= 1.65e-12:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * (b * (-0.8333333333333334 - a))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= 1.65e-12)
		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(b * Float64(-0.8333333333333334 - a)))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (t <= 1.65e-12)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	else
		tmp = x / (x + (y * exp((2.0 * (b * (-0.8333333333333334 - a))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, 1.65e-12], 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[(b * N[(-0.8333333333333334 - a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if t < 1.65e-12

   1. Initial program 89.2%

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

   3. Taylor expanded in t around 0 82.8%

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

   4. Taylor expanded in z around 0 75.8%

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

   if 1.65e-12 < t

   1. Initial program 94.5%

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

   3. Taylor expanded in b around inf 75.8%

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

      1. associate-*r/ 75.8%

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

      2. metadata-eval 75.8%

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

      3. +-commutative 75.8%

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

   5. Simplified 75.8%

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

   6. Taylor expanded in t around inf 75.8%

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

      1. mul-1-neg 75.8%

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

      2. distribute-rgt-neg-in 75.8%

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

      3. distribute-neg-in 75.8%

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

      4. metadata-eval 75.8%

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

      5. unsub-neg 75.8%

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

   8. Simplified 75.8%

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

4. Final simplification 75.8%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq 1.65 \cdot 10^{-12}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(-0.8333333333333334 - a\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 13: 52.3% accurate, 5.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;b \leq -1.2 \cdot 10^{+137}:\\ \;\;\;\;0.5 \cdot \frac{x}{y \cdot \frac{0.6666666666666666 \cdot b - \left(a + 0.8333333333333334\right) \cdot \left(t \cdot b\right)}{t}}\\ \mathbf{elif}\;b \leq -1.75 \cdot 10^{+14}:\\ \;\;\;\;1\\ \mathbf{elif}\;b \leq -1100:\\ \;\;\;\;\frac{x}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(a + 0.8333333333333334\right)\right)\right)\right)}\\ \mathbf{elif}\;b \leq -7.5 \cdot 10^{-120}:\\ \;\;\;\;\frac{x}{x + \left(y - 2 \cdot \left(b \cdot \left(y \cdot a\right)\right)\right)}\\ \mathbf{elif}\;b \leq 3 \cdot 10^{-211}:\\ \;\;\;\;\frac{x}{x + \left(y - 1.3333333333333333 \cdot \left(y \cdot \frac{c - b}{t}\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= b -1.2e+137)
   (*
    0.5
    (/
     x
     (*
      y
      (/
       (- (* 0.6666666666666666 b) (* (+ a 0.8333333333333334) (* t b)))
       t))))
   (if (<= b -1.75e+14)
     1.0
     (if (<= b -1100.0)
       (/ x (+ x (+ y (* 2.0 (* c (* y (+ a 0.8333333333333334)))))))
       (if (<= b -7.5e-120)
         (/ x (+ x (- y (* 2.0 (* b (* y a))))))
         (if (<= b 3e-211)
           (/ x (+ x (- y (* 1.3333333333333333 (* y (/ (- c b) t))))))
           1.0))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (b <= -1.2e+137) {
		tmp = 0.5 * (x / (y * (((0.6666666666666666 * b) - ((a + 0.8333333333333334) * (t * b))) / t)));
	} else if (b <= -1.75e+14) {
		tmp = 1.0;
	} else if (b <= -1100.0) {
		tmp = x / (x + (y + (2.0 * (c * (y * (a + 0.8333333333333334))))));
	} else if (b <= -7.5e-120) {
		tmp = x / (x + (y - (2.0 * (b * (y * a)))));
	} else if (b <= 3e-211) {
		tmp = x / (x + (y - (1.3333333333333333 * (y * ((c - b) / t)))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (b <= (-1.2d+137)) then
        tmp = 0.5d0 * (x / (y * (((0.6666666666666666d0 * b) - ((a + 0.8333333333333334d0) * (t * b))) / t)))
    else if (b <= (-1.75d+14)) then
        tmp = 1.0d0
    else if (b <= (-1100.0d0)) then
        tmp = x / (x + (y + (2.0d0 * (c * (y * (a + 0.8333333333333334d0))))))
    else if (b <= (-7.5d-120)) then
        tmp = x / (x + (y - (2.0d0 * (b * (y * a)))))
    else if (b <= 3d-211) then
        tmp = x / (x + (y - (1.3333333333333333d0 * (y * ((c - b) / t)))))
    else
        tmp = 1.0d0
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (b <= -1.2e+137) {
		tmp = 0.5 * (x / (y * (((0.6666666666666666 * b) - ((a + 0.8333333333333334) * (t * b))) / t)));
	} else if (b <= -1.75e+14) {
		tmp = 1.0;
	} else if (b <= -1100.0) {
		tmp = x / (x + (y + (2.0 * (c * (y * (a + 0.8333333333333334))))));
	} else if (b <= -7.5e-120) {
		tmp = x / (x + (y - (2.0 * (b * (y * a)))));
	} else if (b <= 3e-211) {
		tmp = x / (x + (y - (1.3333333333333333 * (y * ((c - b) / t)))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if b <= -1.2e+137:
		tmp = 0.5 * (x / (y * (((0.6666666666666666 * b) - ((a + 0.8333333333333334) * (t * b))) / t)))
	elif b <= -1.75e+14:
		tmp = 1.0
	elif b <= -1100.0:
		tmp = x / (x + (y + (2.0 * (c * (y * (a + 0.8333333333333334))))))
	elif b <= -7.5e-120:
		tmp = x / (x + (y - (2.0 * (b * (y * a)))))
	elif b <= 3e-211:
		tmp = x / (x + (y - (1.3333333333333333 * (y * ((c - b) / t)))))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (b <= -1.2e+137)
		tmp = Float64(0.5 * Float64(x / Float64(y * Float64(Float64(Float64(0.6666666666666666 * b) - Float64(Float64(a + 0.8333333333333334) * Float64(t * b))) / t))));
	elseif (b <= -1.75e+14)
		tmp = 1.0;
	elseif (b <= -1100.0)
		tmp = Float64(x / Float64(x + Float64(y + Float64(2.0 * Float64(c * Float64(y * Float64(a + 0.8333333333333334)))))));
	elseif (b <= -7.5e-120)
		tmp = Float64(x / Float64(x + Float64(y - Float64(2.0 * Float64(b * Float64(y * a))))));
	elseif (b <= 3e-211)
		tmp = Float64(x / Float64(x + Float64(y - Float64(1.3333333333333333 * Float64(y * Float64(Float64(c - b) / t))))));
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (b <= -1.2e+137)
		tmp = 0.5 * (x / (y * (((0.6666666666666666 * b) - ((a + 0.8333333333333334) * (t * b))) / t)));
	elseif (b <= -1.75e+14)
		tmp = 1.0;
	elseif (b <= -1100.0)
		tmp = x / (x + (y + (2.0 * (c * (y * (a + 0.8333333333333334))))));
	elseif (b <= -7.5e-120)
		tmp = x / (x + (y - (2.0 * (b * (y * a)))));
	elseif (b <= 3e-211)
		tmp = x / (x + (y - (1.3333333333333333 * (y * ((c - b) / t)))));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[b, -1.2e+137], N[(0.5 * N[(x / N[(y * N[(N[(N[(0.6666666666666666 * b), $MachinePrecision] - N[(N[(a + 0.8333333333333334), $MachinePrecision] * N[(t * b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[b, -1.75e+14], 1.0, If[LessEqual[b, -1100.0], N[(x / N[(x + N[(y + N[(2.0 * N[(c * N[(y * N[(a + 0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[b, -7.5e-120], N[(x / N[(x + N[(y - N[(2.0 * N[(b * N[(y * a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[b, 3e-211], N[(x / N[(x + N[(y - N[(1.3333333333333333 * N[(y * N[(N[(c - b), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]]]]]

Derivation

1. Split input into 5 regimes

2. if b < -1.19999999999999992e137

   1. Initial program 90.0%

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

   3. Taylor expanded in b around inf 85.5%

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

      1. associate-*r/ 85.5%

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

      2. metadata-eval 85.5%

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

      3. +-commutative 85.5%

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

   5. Simplified 85.5%

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

   6. Taylor expanded in b around 0 38.6%

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

   7. Taylor expanded in b around inf 35.7%

      \[\leadsto \color{blue}{0.5 \cdot \frac{x}{b \cdot \left(y \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]
   8. Step-by-step derivation

      1. associate-*r* 35.7%

         \[\leadsto 0.5 \cdot \frac{x}{\color{blue}{\left(b \cdot y\right) \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)}} \]

      2. associate-*r/ 35.7%

         \[\leadsto 0.5 \cdot \frac{x}{\left(b \cdot y\right) \cdot \left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} - \left(0.8333333333333334 + a\right)\right)} \]

      3. metadata-eval 35.7%

         \[\leadsto 0.5 \cdot \frac{x}{\left(b \cdot y\right) \cdot \left(\frac{\color{blue}{0.6666666666666666}}{t} - \left(0.8333333333333334 + a\right)\right)} \]

      4. *-commutative 35.7%

         \[\leadsto 0.5 \cdot \frac{x}{\color{blue}{\left(y \cdot b\right)} \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)} \]

      5. associate-*l* 47.1%

         \[\leadsto 0.5 \cdot \frac{x}{\color{blue}{y \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

   9. Simplified 47.1%

      \[\leadsto \color{blue}{0.5 \cdot \frac{x}{y \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

   10. Taylor expanded in t around 0 63.8%

       \[\leadsto 0.5 \cdot \frac{x}{y \cdot \color{blue}{\frac{-1 \cdot \left(b \cdot \left(t \cdot \left(0.8333333333333334 + a\right)\right)\right) + 0.6666666666666666 \cdot b}{t}}} \]
   11. Step-by-step derivation

       1. +-commutative 63.8%

          \[\leadsto 0.5 \cdot \frac{x}{y \cdot \frac{\color{blue}{0.6666666666666666 \cdot b + -1 \cdot \left(b \cdot \left(t \cdot \left(0.8333333333333334 + a\right)\right)\right)}}{t}} \]

       2. mul-1-neg 63.8%

          \[\leadsto 0.5 \cdot \frac{x}{y \cdot \frac{0.6666666666666666 \cdot b + \color{blue}{\left(-b \cdot \left(t \cdot \left(0.8333333333333334 + a\right)\right)\right)}}{t}} \]

       3. unsub-neg 63.8%

          \[\leadsto 0.5 \cdot \frac{x}{y \cdot \frac{\color{blue}{0.6666666666666666 \cdot b - b \cdot \left(t \cdot \left(0.8333333333333334 + a\right)\right)}}{t}} \]

       4. *-commutative 63.8%

          \[\leadsto 0.5 \cdot \frac{x}{y \cdot \frac{\color{blue}{b \cdot 0.6666666666666666} - b \cdot \left(t \cdot \left(0.8333333333333334 + a\right)\right)}{t}} \]

       5. associate-*r* 63.8%

          \[\leadsto 0.5 \cdot \frac{x}{y \cdot \frac{b \cdot 0.6666666666666666 - \color{blue}{\left(b \cdot t\right) \cdot \left(0.8333333333333334 + a\right)}}{t}} \]

   12. Simplified 63.8%

       \[\leadsto 0.5 \cdot \frac{x}{y \cdot \color{blue}{\frac{b \cdot 0.6666666666666666 - \left(b \cdot t\right) \cdot \left(0.8333333333333334 + a\right)}{t}}} \]

   if -1.19999999999999992e137 < b < -1.75e14 or 3.00000000000000005e-211 < b

   1. Initial program 91.9%

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

   3. Taylor expanded in c around inf 66.1%

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

      1. +-commutative 66.1%

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

      2. associate-*r/ 66.1%

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

      3. metadata-eval 66.1%

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

   5. Simplified 66.1%

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

   6. Taylor expanded in x around inf 62.0%

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

   if -1.75e14 < b < -1100

   1. Initial program 60.0%

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

   3. Taylor expanded in c around inf 80.6%

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

      1. +-commutative 80.6%

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

      2. associate-*r/ 80.6%

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

      3. metadata-eval 80.6%

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

   5. Simplified 80.6%

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

   6. Taylor expanded in t around inf 80.6%

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

      1. *-commutative 80.6%

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

   8. Simplified 80.6%

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

   9. Taylor expanded in c around 0 80.6%

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

       1. *-commutative 80.6%

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

   11. Simplified 80.6%

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

   if -1100 < b < -7.5000000000000004e-120

   1. Initial program 94.3%

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

   3. Taylor expanded in b around inf 60.1%

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

      1. associate-*r/ 60.1%

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

      2. metadata-eval 60.1%

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

      3. +-commutative 60.1%

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

   5. Simplified 60.1%

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

   6. Taylor expanded in b around 0 55.1%

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

   7. Taylor expanded in a around inf 65.9%

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

      1. associate-*r* 65.9%

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

      2. mul-1-neg 65.9%

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

   9. Simplified 65.9%

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

   if -7.5000000000000004e-120 < b < 3.00000000000000005e-211

   1. Initial program 93.2%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. 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 z around 0 64.0%

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

   5. Taylor expanded in t around inf 60.9%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 1.3333333333333333 \cdot \frac{y \cdot \left(b - c\right)}{t}\right)}} \]
   6. Step-by-step derivation

      1. associate-/l* 65.8%

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

   7. Simplified 65.8%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 1.3333333333333333 \cdot \left(y \cdot \frac{b - c}{t}\right)\right)}} \]
3. Recombined 5 regimes into one program.

4. Final simplification 63.8%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b \leq -1.2 \cdot 10^{+137}:\\ \;\;\;\;0.5 \cdot \frac{x}{y \cdot \frac{0.6666666666666666 \cdot b - \left(a + 0.8333333333333334\right) \cdot \left(t \cdot b\right)}{t}}\\ \mathbf{elif}\;b \leq -1.75 \cdot 10^{+14}:\\ \;\;\;\;1\\ \mathbf{elif}\;b \leq -1100:\\ \;\;\;\;\frac{x}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(a + 0.8333333333333334\right)\right)\right)\right)}\\ \mathbf{elif}\;b \leq -7.5 \cdot 10^{-120}:\\ \;\;\;\;\frac{x}{x + \left(y - 2 \cdot \left(b \cdot \left(y \cdot a\right)\right)\right)}\\ \mathbf{elif}\;b \leq 3 \cdot 10^{-211}:\\ \;\;\;\;\frac{x}{x + \left(y - 1.3333333333333333 \cdot \left(y \cdot \frac{c - b}{t}\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]
5. Add Preprocessing

Alternative 14: 52.1% accurate, 5.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;b \leq -1.9 \cdot 10^{+137}:\\ \;\;\;\;0.5 \cdot \frac{x}{y \cdot \left(a \cdot \left(b \cdot \frac{\frac{0.6666666666666666}{t} + -0.8333333333333334}{a} - b\right)\right)}\\ \mathbf{elif}\;b \leq -82000000000000:\\ \;\;\;\;1\\ \mathbf{elif}\;b \leq -0.054:\\ \;\;\;\;\frac{x}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(a + 0.8333333333333334\right)\right)\right)\right)}\\ \mathbf{elif}\;b \leq -6.2 \cdot 10^{-120}:\\ \;\;\;\;\frac{x}{x + \left(y - 2 \cdot \left(b \cdot \left(y \cdot a\right)\right)\right)}\\ \mathbf{elif}\;b \leq 1.05 \cdot 10^{-210}:\\ \;\;\;\;\frac{x}{x + \left(y - 1.3333333333333333 \cdot \left(y \cdot \frac{c - b}{t}\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= b -1.9e+137)
   (*
    0.5
    (/
     x
     (*
      y
      (*
       a
       (- (* b (/ (+ (/ 0.6666666666666666 t) -0.8333333333333334) a)) b)))))
   (if (<= b -82000000000000.0)
     1.0
     (if (<= b -0.054)
       (/ x (+ x (+ y (* 2.0 (* c (* y (+ a 0.8333333333333334)))))))
       (if (<= b -6.2e-120)
         (/ x (+ x (- y (* 2.0 (* b (* y a))))))
         (if (<= b 1.05e-210)
           (/ x (+ x (- y (* 1.3333333333333333 (* y (/ (- c b) t))))))
           1.0))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (b <= -1.9e+137) {
		tmp = 0.5 * (x / (y * (a * ((b * (((0.6666666666666666 / t) + -0.8333333333333334) / a)) - b))));
	} else if (b <= -82000000000000.0) {
		tmp = 1.0;
	} else if (b <= -0.054) {
		tmp = x / (x + (y + (2.0 * (c * (y * (a + 0.8333333333333334))))));
	} else if (b <= -6.2e-120) {
		tmp = x / (x + (y - (2.0 * (b * (y * a)))));
	} else if (b <= 1.05e-210) {
		tmp = x / (x + (y - (1.3333333333333333 * (y * ((c - b) / t)))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (b <= (-1.9d+137)) then
        tmp = 0.5d0 * (x / (y * (a * ((b * (((0.6666666666666666d0 / t) + (-0.8333333333333334d0)) / a)) - b))))
    else if (b <= (-82000000000000.0d0)) then
        tmp = 1.0d0
    else if (b <= (-0.054d0)) then
        tmp = x / (x + (y + (2.0d0 * (c * (y * (a + 0.8333333333333334d0))))))
    else if (b <= (-6.2d-120)) then
        tmp = x / (x + (y - (2.0d0 * (b * (y * a)))))
    else if (b <= 1.05d-210) then
        tmp = x / (x + (y - (1.3333333333333333d0 * (y * ((c - b) / t)))))
    else
        tmp = 1.0d0
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (b <= -1.9e+137) {
		tmp = 0.5 * (x / (y * (a * ((b * (((0.6666666666666666 / t) + -0.8333333333333334) / a)) - b))));
	} else if (b <= -82000000000000.0) {
		tmp = 1.0;
	} else if (b <= -0.054) {
		tmp = x / (x + (y + (2.0 * (c * (y * (a + 0.8333333333333334))))));
	} else if (b <= -6.2e-120) {
		tmp = x / (x + (y - (2.0 * (b * (y * a)))));
	} else if (b <= 1.05e-210) {
		tmp = x / (x + (y - (1.3333333333333333 * (y * ((c - b) / t)))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if b <= -1.9e+137:
		tmp = 0.5 * (x / (y * (a * ((b * (((0.6666666666666666 / t) + -0.8333333333333334) / a)) - b))))
	elif b <= -82000000000000.0:
		tmp = 1.0
	elif b <= -0.054:
		tmp = x / (x + (y + (2.0 * (c * (y * (a + 0.8333333333333334))))))
	elif b <= -6.2e-120:
		tmp = x / (x + (y - (2.0 * (b * (y * a)))))
	elif b <= 1.05e-210:
		tmp = x / (x + (y - (1.3333333333333333 * (y * ((c - b) / t)))))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (b <= -1.9e+137)
		tmp = Float64(0.5 * Float64(x / Float64(y * Float64(a * Float64(Float64(b * Float64(Float64(Float64(0.6666666666666666 / t) + -0.8333333333333334) / a)) - b)))));
	elseif (b <= -82000000000000.0)
		tmp = 1.0;
	elseif (b <= -0.054)
		tmp = Float64(x / Float64(x + Float64(y + Float64(2.0 * Float64(c * Float64(y * Float64(a + 0.8333333333333334)))))));
	elseif (b <= -6.2e-120)
		tmp = Float64(x / Float64(x + Float64(y - Float64(2.0 * Float64(b * Float64(y * a))))));
	elseif (b <= 1.05e-210)
		tmp = Float64(x / Float64(x + Float64(y - Float64(1.3333333333333333 * Float64(y * Float64(Float64(c - b) / t))))));
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (b <= -1.9e+137)
		tmp = 0.5 * (x / (y * (a * ((b * (((0.6666666666666666 / t) + -0.8333333333333334) / a)) - b))));
	elseif (b <= -82000000000000.0)
		tmp = 1.0;
	elseif (b <= -0.054)
		tmp = x / (x + (y + (2.0 * (c * (y * (a + 0.8333333333333334))))));
	elseif (b <= -6.2e-120)
		tmp = x / (x + (y - (2.0 * (b * (y * a)))));
	elseif (b <= 1.05e-210)
		tmp = x / (x + (y - (1.3333333333333333 * (y * ((c - b) / t)))));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[b, -1.9e+137], N[(0.5 * N[(x / N[(y * N[(a * N[(N[(b * N[(N[(N[(0.6666666666666666 / t), $MachinePrecision] + -0.8333333333333334), $MachinePrecision] / a), $MachinePrecision]), $MachinePrecision] - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[b, -82000000000000.0], 1.0, If[LessEqual[b, -0.054], N[(x / N[(x + N[(y + N[(2.0 * N[(c * N[(y * N[(a + 0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[b, -6.2e-120], N[(x / N[(x + N[(y - N[(2.0 * N[(b * N[(y * a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[b, 1.05e-210], N[(x / N[(x + N[(y - N[(1.3333333333333333 * N[(y * N[(N[(c - b), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]]]]]

Derivation

1. Split input into 5 regimes

2. if b < -1.89999999999999981e137

   1. Initial program 90.0%

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

   3. Taylor expanded in b around inf 85.5%

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

      1. associate-*r/ 85.5%

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

      2. metadata-eval 85.5%

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

      3. +-commutative 85.5%

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

   5. Simplified 85.5%

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

   6. Taylor expanded in b around 0 38.6%

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

   7. Taylor expanded in b around inf 35.7%

      \[\leadsto \color{blue}{0.5 \cdot \frac{x}{b \cdot \left(y \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]
   8. Step-by-step derivation

      1. associate-*r* 35.7%

         \[\leadsto 0.5 \cdot \frac{x}{\color{blue}{\left(b \cdot y\right) \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - \left(0.8333333333333334 + a\right)\right)}} \]

      2. associate-*r/ 35.7%

         \[\leadsto 0.5 \cdot \frac{x}{\left(b \cdot y\right) \cdot \left(\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} - \left(0.8333333333333334 + a\right)\right)} \]

      3. metadata-eval 35.7%

         \[\leadsto 0.5 \cdot \frac{x}{\left(b \cdot y\right) \cdot \left(\frac{\color{blue}{0.6666666666666666}}{t} - \left(0.8333333333333334 + a\right)\right)} \]

      4. *-commutative 35.7%

         \[\leadsto 0.5 \cdot \frac{x}{\color{blue}{\left(y \cdot b\right)} \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)} \]

      5. associate-*l* 47.1%

         \[\leadsto 0.5 \cdot \frac{x}{\color{blue}{y \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

   9. Simplified 47.1%

      \[\leadsto \color{blue}{0.5 \cdot \frac{x}{y \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(0.8333333333333334 + a\right)\right)\right)}} \]

   10. Taylor expanded in a around -inf 66.1%

       \[\leadsto 0.5 \cdot \frac{x}{y \cdot \color{blue}{\left(-1 \cdot \left(a \cdot \left(b + -1 \cdot \frac{b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - 0.8333333333333334\right)}{a}\right)\right)\right)}} \]
   11. Step-by-step derivation

       1. associate-*r* 66.1%

          \[\leadsto 0.5 \cdot \frac{x}{y \cdot \color{blue}{\left(\left(-1 \cdot a\right) \cdot \left(b + -1 \cdot \frac{b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - 0.8333333333333334\right)}{a}\right)\right)}} \]

       2. neg-mul-1 66.1%

          \[\leadsto 0.5 \cdot \frac{x}{y \cdot \left(\color{blue}{\left(-a\right)} \cdot \left(b + -1 \cdot \frac{b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - 0.8333333333333334\right)}{a}\right)\right)} \]

       3. mul-1-neg 66.1%

          \[\leadsto 0.5 \cdot \frac{x}{y \cdot \left(\left(-a\right) \cdot \left(b + \color{blue}{\left(-\frac{b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - 0.8333333333333334\right)}{a}\right)}\right)\right)} \]

       4. unsub-neg 66.1%

          \[\leadsto 0.5 \cdot \frac{x}{y \cdot \left(\left(-a\right) \cdot \color{blue}{\left(b - \frac{b \cdot \left(0.6666666666666666 \cdot \frac{1}{t} - 0.8333333333333334\right)}{a}\right)}\right)} \]

       5. associate-/l* 66.1%

          \[\leadsto 0.5 \cdot \frac{x}{y \cdot \left(\left(-a\right) \cdot \left(b - \color{blue}{b \cdot \frac{0.6666666666666666 \cdot \frac{1}{t} - 0.8333333333333334}{a}}\right)\right)} \]

       6. sub-neg 66.1%

          \[\leadsto 0.5 \cdot \frac{x}{y \cdot \left(\left(-a\right) \cdot \left(b - b \cdot \frac{\color{blue}{0.6666666666666666 \cdot \frac{1}{t} + \left(-0.8333333333333334\right)}}{a}\right)\right)} \]

       7. associate-*r/ 66.1%

          \[\leadsto 0.5 \cdot \frac{x}{y \cdot \left(\left(-a\right) \cdot \left(b - b \cdot \frac{\color{blue}{\frac{0.6666666666666666 \cdot 1}{t}} + \left(-0.8333333333333334\right)}{a}\right)\right)} \]

       8. metadata-eval 66.1%

          \[\leadsto 0.5 \cdot \frac{x}{y \cdot \left(\left(-a\right) \cdot \left(b - b \cdot \frac{\frac{\color{blue}{0.6666666666666666}}{t} + \left(-0.8333333333333334\right)}{a}\right)\right)} \]

       9. metadata-eval 66.1%

          \[\leadsto 0.5 \cdot \frac{x}{y \cdot \left(\left(-a\right) \cdot \left(b - b \cdot \frac{\frac{0.6666666666666666}{t} + \color{blue}{-0.8333333333333334}}{a}\right)\right)} \]

       10. +-commutative 66.1%

           \[\leadsto 0.5 \cdot \frac{x}{y \cdot \left(\left(-a\right) \cdot \left(b - b \cdot \frac{\color{blue}{-0.8333333333333334 + \frac{0.6666666666666666}{t}}}{a}\right)\right)} \]

   12. Simplified 66.1%

       \[\leadsto 0.5 \cdot \frac{x}{y \cdot \color{blue}{\left(\left(-a\right) \cdot \left(b - b \cdot \frac{-0.8333333333333334 + \frac{0.6666666666666666}{t}}{a}\right)\right)}} \]

   if -1.89999999999999981e137 < b < -8.2e13 or 1.05000000000000008e-210 < b

   1. Initial program 91.9%

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

   3. Taylor expanded in c around inf 66.1%

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

      1. +-commutative 66.1%

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

      2. associate-*r/ 66.1%

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

      3. metadata-eval 66.1%

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

   5. Simplified 66.1%

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

   6. Taylor expanded in x around inf 62.0%

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

   if -8.2e13 < b < -0.0539999999999999994

   1. Initial program 71.4%

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

   3. Taylor expanded in c around inf 72.4%

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

      1. +-commutative 72.4%

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

      2. associate-*r/ 72.4%

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

      3. metadata-eval 72.4%

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

   5. Simplified 72.4%

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

   6. Taylor expanded in t around inf 72.4%

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

      1. *-commutative 72.4%

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

   8. Simplified 72.4%

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

   9. Taylor expanded in c around 0 72.4%

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

       1. *-commutative 72.4%

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

   11. Simplified 72.4%

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

   if -0.0539999999999999994 < b < -6.20000000000000038e-120

   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 b around inf 54.8%

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

      1. associate-*r/ 54.8%

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

      2. metadata-eval 54.8%

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

      3. +-commutative 54.8%

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

   5. Simplified 54.8%

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

   6. Taylor expanded in b around 0 55.5%

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

   7. Taylor expanded in a around inf 67.7%

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

      1. associate-*r* 67.7%

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

      2. mul-1-neg 67.7%

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

   9. Simplified 67.7%

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

   if -6.20000000000000038e-120 < b < 1.05000000000000008e-210

   1. Initial program 93.2%

      \[\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z \cdot \sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(\left(a + \frac{5}{6}\right) - \frac{2}{t \cdot 3}\right)\right)}} \]
   2. 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 z around 0 64.0%

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

   5. Taylor expanded in t around inf 60.9%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 1.3333333333333333 \cdot \frac{y \cdot \left(b - c\right)}{t}\right)}} \]
   6. Step-by-step derivation

      1. associate-/l* 65.8%

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

   7. Simplified 65.8%

      \[\leadsto \frac{x}{x + \color{blue}{\left(y + 1.3333333333333333 \cdot \left(y \cdot \frac{b - c}{t}\right)\right)}} \]
3. Recombined 5 regimes into one program.

4. Final simplification 64.1%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b \leq -1.9 \cdot 10^{+137}:\\ \;\;\;\;0.5 \cdot \frac{x}{y \cdot \left(a \cdot \left(b \cdot \frac{\frac{0.6666666666666666}{t} + -0.8333333333333334}{a} - b\right)\right)}\\ \mathbf{elif}\;b \leq -82000000000000:\\ \;\;\;\;1\\ \mathbf{elif}\;b \leq -0.054:\\ \;\;\;\;\frac{x}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(a + 0.8333333333333334\right)\right)\right)\right)}\\ \mathbf{elif}\;b \leq -6.2 \cdot 10^{-120}:\\ \;\;\;\;\frac{x}{x + \left(y - 2 \cdot \left(b \cdot \left(y \cdot a\right)\right)\right)}\\ \mathbf{elif}\;b \leq 1.05 \cdot 10^{-210}:\\ \;\;\;\;\frac{x}{x + \left(y - 1.3333333333333333 \cdot \left(y \cdot \frac{c - b}{t}\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]
5. Add Preprocessing

Alternative 15: 54.3% accurate, 6.4× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;b - c \leq -2 \cdot 10^{+173} \lor \neg \left(b - c \leq -1 \cdot 10^{+84}\right) \land b - c \leq 5 \cdot 10^{-274}:\\ \;\;\;\;\frac{x}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(a + 0.8333333333333334\right)\right)\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (or (<= (- b c) -2e+173)
         (and (not (<= (- b c) -1e+84)) (<= (- b c) 5e-274)))
   (/ x (+ x (+ y (* 2.0 (* c (* y (+ a 0.8333333333333334)))))))
   1.0))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (((b - c) <= -2e+173) || (!((b - c) <= -1e+84) && ((b - c) <= 5e-274))) {
		tmp = x / (x + (y + (2.0 * (c * (y * (a + 0.8333333333333334))))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (((b - c) <= (-2d+173)) .or. (.not. ((b - c) <= (-1d+84))) .and. ((b - c) <= 5d-274)) then
        tmp = x / (x + (y + (2.0d0 * (c * (y * (a + 0.8333333333333334d0))))))
    else
        tmp = 1.0d0
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (((b - c) <= -2e+173) || (!((b - c) <= -1e+84) && ((b - c) <= 5e-274))) {
		tmp = x / (x + (y + (2.0 * (c * (y * (a + 0.8333333333333334))))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if ((b - c) <= -2e+173) or (not ((b - c) <= -1e+84) and ((b - c) <= 5e-274)):
		tmp = x / (x + (y + (2.0 * (c * (y * (a + 0.8333333333333334))))))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if ((Float64(b - c) <= -2e+173) || (!(Float64(b - c) <= -1e+84) && (Float64(b - c) <= 5e-274)))
		tmp = Float64(x / Float64(x + Float64(y + Float64(2.0 * Float64(c * Float64(y * Float64(a + 0.8333333333333334)))))));
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (((b - c) <= -2e+173) || (~(((b - c) <= -1e+84)) && ((b - c) <= 5e-274)))
		tmp = x / (x + (y + (2.0 * (c * (y * (a + 0.8333333333333334))))));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[Or[LessEqual[N[(b - c), $MachinePrecision], -2e+173], And[N[Not[LessEqual[N[(b - c), $MachinePrecision], -1e+84]], $MachinePrecision], LessEqual[N[(b - c), $MachinePrecision], 5e-274]]], N[(x / N[(x + N[(y + N[(2.0 * N[(c * N[(y * N[(a + 0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]

Derivation

1. Split input into 2 regimes

2. if (-.f64 b c) < -2e173 or -1.00000000000000006e84 < (-.f64 b c) < 5e-274

   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 c around inf 69.1%

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

      1. +-commutative 69.1%

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

      2. associate-*r/ 69.1%

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

      3. metadata-eval 69.1%

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

   5. Simplified 69.1%

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

   6. Taylor expanded in t around inf 66.9%

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

      1. *-commutative 66.9%

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

   8. Simplified 66.9%

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

   9. Taylor expanded in c around 0 57.2%

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

       1. *-commutative 57.2%

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

   11. Simplified 57.2%

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

   if -2e173 < (-.f64 b c) < -1.00000000000000006e84 or 5e-274 < (-.f64 b c)

   1. Initial program 92.3%

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

   3. Taylor expanded in c around inf 72.8%

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

      1. +-commutative 72.8%

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

      2. associate-*r/ 72.8%

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

      3. metadata-eval 72.8%

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

   5. Simplified 72.8%

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

   6. Taylor expanded in x around inf 62.2%

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

4. Final simplification 60.5%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b - c \leq -2 \cdot 10^{+173} \lor \neg \left(b - c \leq -1 \cdot 10^{+84}\right) \land b - c \leq 5 \cdot 10^{-274}:\\ \;\;\;\;\frac{x}{x + \left(y + 2 \cdot \left(c \cdot \left(y \cdot \left(a + 0.8333333333333334\right)\right)\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]
5. Add Preprocessing

Alternative 16: 54.2% accurate, 6.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;b - c \leq -5 \cdot 10^{+191} \lor \neg \left(b - c \leq -1 \cdot 10^{+17}\right) \land b - c \leq 5 \cdot 10^{-274}:\\ \;\;\;\;\frac{x}{x + \left(y - 2 \cdot \left(b \cdot \left(y \cdot a\right)\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (or (<= (- b c) -5e+191)
         (and (not (<= (- b c) -1e+17)) (<= (- b c) 5e-274)))
   (/ x (+ x (- y (* 2.0 (* b (* y a))))))
   1.0))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (((b - c) <= -5e+191) || (!((b - c) <= -1e+17) && ((b - c) <= 5e-274))) {
		tmp = x / (x + (y - (2.0 * (b * (y * a)))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (((b - c) <= (-5d+191)) .or. (.not. ((b - c) <= (-1d+17))) .and. ((b - c) <= 5d-274)) then
        tmp = x / (x + (y - (2.0d0 * (b * (y * a)))))
    else
        tmp = 1.0d0
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (((b - c) <= -5e+191) || (!((b - c) <= -1e+17) && ((b - c) <= 5e-274))) {
		tmp = x / (x + (y - (2.0 * (b * (y * a)))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if ((b - c) <= -5e+191) or (not ((b - c) <= -1e+17) and ((b - c) <= 5e-274)):
		tmp = x / (x + (y - (2.0 * (b * (y * a)))))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if ((Float64(b - c) <= -5e+191) || (!(Float64(b - c) <= -1e+17) && (Float64(b - c) <= 5e-274)))
		tmp = Float64(x / Float64(x + Float64(y - Float64(2.0 * Float64(b * Float64(y * a))))));
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (((b - c) <= -5e+191) || (~(((b - c) <= -1e+17)) && ((b - c) <= 5e-274)))
		tmp = x / (x + (y - (2.0 * (b * (y * a)))));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[Or[LessEqual[N[(b - c), $MachinePrecision], -5e+191], And[N[Not[LessEqual[N[(b - c), $MachinePrecision], -1e+17]], $MachinePrecision], LessEqual[N[(b - c), $MachinePrecision], 5e-274]]], N[(x / N[(x + N[(y - N[(2.0 * N[(b * N[(y * a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]

Derivation

1. Split input into 2 regimes

2. if (-.f64 b c) < -5.0000000000000002e191 or -1e17 < (-.f64 b c) < 5e-274

   1. Initial program 90.2%

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

   3. Taylor expanded in b around inf 76.8%

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

      1. associate-*r/ 76.8%

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

      2. metadata-eval 76.8%

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

      3. +-commutative 76.8%

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

   5. Simplified 76.8%

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

   6. Taylor expanded in b around 0 55.6%

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

   7. Taylor expanded in a around inf 55.6%

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

      1. associate-*r* 55.6%

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

      2. mul-1-neg 55.6%

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

   9. Simplified 55.6%

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

   if -5.0000000000000002e191 < (-.f64 b c) < -1e17 or 5e-274 < (-.f64 b c)

   1. Initial program 91.9%

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

   3. Taylor expanded in c around inf 72.1%

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

      1. +-commutative 72.1%

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

      2. associate-*r/ 72.1%

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

      3. metadata-eval 72.1%

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

   5. Simplified 72.1%

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

   6. Taylor expanded in x around inf 60.2%

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

4. Final simplification 59.0%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b - c \leq -5 \cdot 10^{+191} \lor \neg \left(b - c \leq -1 \cdot 10^{+17}\right) \land b - c \leq 5 \cdot 10^{-274}:\\ \;\;\;\;\frac{x}{x + \left(y - 2 \cdot \left(b \cdot \left(y \cdot a\right)\right)\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]
5. Add Preprocessing

Alternative 17: 53.2% accurate, 7.2× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;c \leq 1.15 \cdot 10^{-33}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + \left(y - 2 \cdot \left(b \cdot \frac{a \cdot \left(t \cdot \left(y - -0.8333333333333334 \cdot \frac{y}{a}\right)\right) - y \cdot 0.6666666666666666}{t}\right)\right)}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= c 1.15e-33)
   1.0
   (/
    x
    (+
     x
     (-
      y
      (*
       2.0
       (*
        b
        (/
         (-
          (* a (* t (- y (* -0.8333333333333334 (/ y a)))))
          (* y 0.6666666666666666))
         t))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= 1.15e-33) {
		tmp = 1.0;
	} else {
		tmp = x / (x + (y - (2.0 * (b * (((a * (t * (y - (-0.8333333333333334 * (y / a))))) - (y * 0.6666666666666666)) / t)))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (c <= 1.15d-33) then
        tmp = 1.0d0
    else
        tmp = x / (x + (y - (2.0d0 * (b * (((a * (t * (y - ((-0.8333333333333334d0) * (y / a))))) - (y * 0.6666666666666666d0)) / t)))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= 1.15e-33) {
		tmp = 1.0;
	} else {
		tmp = x / (x + (y - (2.0 * (b * (((a * (t * (y - (-0.8333333333333334 * (y / a))))) - (y * 0.6666666666666666)) / t)))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if c <= 1.15e-33:
		tmp = 1.0
	else:
		tmp = x / (x + (y - (2.0 * (b * (((a * (t * (y - (-0.8333333333333334 * (y / a))))) - (y * 0.6666666666666666)) / t)))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (c <= 1.15e-33)
		tmp = 1.0;
	else
		tmp = Float64(x / Float64(x + Float64(y - Float64(2.0 * Float64(b * Float64(Float64(Float64(a * Float64(t * Float64(y - Float64(-0.8333333333333334 * Float64(y / a))))) - Float64(y * 0.6666666666666666)) / t))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (c <= 1.15e-33)
		tmp = 1.0;
	else
		tmp = x / (x + (y - (2.0 * (b * (((a * (t * (y - (-0.8333333333333334 * (y / a))))) - (y * 0.6666666666666666)) / t)))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[c, 1.15e-33], 1.0, N[(x / N[(x + N[(y - N[(2.0 * N[(b * N[(N[(N[(a * N[(t * N[(y - N[(-0.8333333333333334 * N[(y / a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] - N[(y * 0.6666666666666666), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if c < 1.14999999999999993e-33

   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 c around inf 67.0%

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

      1. +-commutative 67.0%

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

      2. associate-*r/ 67.0%

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

      3. metadata-eval 67.0%

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

   5. Simplified 67.0%

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

   6. Taylor expanded in x around inf 60.9%

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

   if 1.14999999999999993e-33 < c

   1. Initial program 91.1%

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

   3. Taylor expanded in b around inf 60.9%

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

      1. associate-*r/ 60.9%

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

      2. metadata-eval 60.9%

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

      3. +-commutative 60.9%

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

   5. Simplified 60.9%

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

   6. Taylor expanded in b around 0 48.1%

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

   7. Taylor expanded in a around -inf 48.0%

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

      1. associate-*r* 48.0%

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

      2. mul-1-neg 48.0%

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

      3. mul-1-neg 48.0%

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

      4. associate-/l* 46.7%

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

      5. sub-neg 46.7%

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

      6. associate-*r/ 46.7%

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

      7. metadata-eval 46.7%

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

      8. metadata-eval 46.7%

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

   9. Simplified 46.7%

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

   10. Taylor expanded in t around 0 58.9%

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

4. Final simplification 60.3%

   \[\leadsto \begin{array}{l} \mathbf{if}\;c \leq 1.15 \cdot 10^{-33}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + \left(y - 2 \cdot \left(b \cdot \frac{a \cdot \left(t \cdot \left(y - -0.8333333333333334 \cdot \frac{y}{a}\right)\right) - y \cdot 0.6666666666666666}{t}\right)\right)}\\ \end{array} \]
5. Add Preprocessing

Alternative 18: 52.4% accurate, 8.2× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;c \leq 3.1 \cdot 10^{-35}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + \left(y + 2 \cdot \left(b \cdot \frac{y \cdot 0.6666666666666666 - t \cdot \left(y \cdot \left(a + 0.8333333333333334\right)\right)}{t}\right)\right)}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= c 3.1e-35)
   1.0
   (/
    x
    (+
     x
     (+
      y
      (*
       2.0
       (*
        b
        (/
         (- (* y 0.6666666666666666) (* t (* y (+ a 0.8333333333333334))))
         t))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= 3.1e-35) {
		tmp = 1.0;
	} else {
		tmp = x / (x + (y + (2.0 * (b * (((y * 0.6666666666666666) - (t * (y * (a + 0.8333333333333334)))) / t)))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (c <= 3.1d-35) then
        tmp = 1.0d0
    else
        tmp = x / (x + (y + (2.0d0 * (b * (((y * 0.6666666666666666d0) - (t * (y * (a + 0.8333333333333334d0)))) / t)))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= 3.1e-35) {
		tmp = 1.0;
	} else {
		tmp = x / (x + (y + (2.0 * (b * (((y * 0.6666666666666666) - (t * (y * (a + 0.8333333333333334)))) / t)))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if c <= 3.1e-35:
		tmp = 1.0
	else:
		tmp = x / (x + (y + (2.0 * (b * (((y * 0.6666666666666666) - (t * (y * (a + 0.8333333333333334)))) / t)))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (c <= 3.1e-35)
		tmp = 1.0;
	else
		tmp = Float64(x / Float64(x + Float64(y + Float64(2.0 * Float64(b * Float64(Float64(Float64(y * 0.6666666666666666) - Float64(t * Float64(y * Float64(a + 0.8333333333333334)))) / t))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (c <= 3.1e-35)
		tmp = 1.0;
	else
		tmp = x / (x + (y + (2.0 * (b * (((y * 0.6666666666666666) - (t * (y * (a + 0.8333333333333334)))) / t)))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[c, 3.1e-35], 1.0, N[(x / N[(x + N[(y + N[(2.0 * N[(b * N[(N[(N[(y * 0.6666666666666666), $MachinePrecision] - N[(t * N[(y * N[(a + 0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if c < 3.10000000000000012e-35

   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 c around inf 67.0%

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

      1. +-commutative 67.0%

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

      2. associate-*r/ 67.0%

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

      3. metadata-eval 67.0%

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

   5. Simplified 67.0%

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

   6. Taylor expanded in x around inf 60.9%

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

   if 3.10000000000000012e-35 < c

   1. Initial program 91.1%

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

   3. Taylor expanded in b around inf 60.9%

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

      1. associate-*r/ 60.9%

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

      2. metadata-eval 60.9%

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

      3. +-commutative 60.9%

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

   5. Simplified 60.9%

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

   6. Taylor expanded in b around 0 48.1%

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

   7. Taylor expanded in t around 0 55.4%

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

4. Final simplification 59.2%

   \[\leadsto \begin{array}{l} \mathbf{if}\;c \leq 3.1 \cdot 10^{-35}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + \left(y + 2 \cdot \left(b \cdot \frac{y \cdot 0.6666666666666666 - t \cdot \left(y \cdot \left(a + 0.8333333333333334\right)\right)}{t}\right)\right)}\\ \end{array} \]
5. Add Preprocessing

Alternative 19: 50.7% accurate, 8.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;b - c \leq -7 \cdot 10^{+174}:\\ \;\;\;\;\frac{1}{\frac{x + y}{x}}\\ \mathbf{elif}\;b - c \leq -1 \cdot 10^{+17}:\\ \;\;\;\;1\\ \mathbf{elif}\;b - c \leq 5 \cdot 10^{-274}:\\ \;\;\;\;\frac{x}{x + y}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= (- b c) -7e+174)
   (/ 1.0 (/ (+ x y) x))
   (if (<= (- b c) -1e+17) 1.0 (if (<= (- b c) 5e-274) (/ x (+ x y)) 1.0))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b - c) <= -7e+174) {
		tmp = 1.0 / ((x + y) / x);
	} else if ((b - c) <= -1e+17) {
		tmp = 1.0;
	} else if ((b - c) <= 5e-274) {
		tmp = x / (x + y);
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if ((b - c) <= (-7d+174)) then
        tmp = 1.0d0 / ((x + y) / x)
    else if ((b - c) <= (-1d+17)) then
        tmp = 1.0d0
    else if ((b - c) <= 5d-274) then
        tmp = x / (x + y)
    else
        tmp = 1.0d0
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b - c) <= -7e+174) {
		tmp = 1.0 / ((x + y) / x);
	} else if ((b - c) <= -1e+17) {
		tmp = 1.0;
	} else if ((b - c) <= 5e-274) {
		tmp = x / (x + y);
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if (b - c) <= -7e+174:
		tmp = 1.0 / ((x + y) / x)
	elif (b - c) <= -1e+17:
		tmp = 1.0
	elif (b - c) <= 5e-274:
		tmp = x / (x + y)
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (Float64(b - c) <= -7e+174)
		tmp = Float64(1.0 / Float64(Float64(x + y) / x));
	elseif (Float64(b - c) <= -1e+17)
		tmp = 1.0;
	elseif (Float64(b - c) <= 5e-274)
		tmp = Float64(x / Float64(x + y));
	else
		tmp = 1.0;
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if ((b - c) <= -7e+174)
		tmp = 1.0 / ((x + y) / x);
	elseif ((b - c) <= -1e+17)
		tmp = 1.0;
	elseif ((b - c) <= 5e-274)
		tmp = x / (x + y);
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[N[(b - c), $MachinePrecision], -7e+174], N[(1.0 / N[(N[(x + y), $MachinePrecision] / x), $MachinePrecision]), $MachinePrecision], If[LessEqual[N[(b - c), $MachinePrecision], -1e+17], 1.0, If[LessEqual[N[(b - c), $MachinePrecision], 5e-274], N[(x / N[(x + y), $MachinePrecision]), $MachinePrecision], 1.0]]]

Derivation

1. Split input into 3 regimes

2. if (-.f64 b c) < -7.0000000000000003e174

   1. Initial program 82.2%

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

   3. Taylor expanded in c around inf 72.0%

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

      1. +-commutative 72.0%

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

      2. associate-*r/ 72.0%

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

      3. metadata-eval 72.0%

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

   5. Simplified 72.0%

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

   6. Taylor expanded in c around 0 39.0%

      \[\leadsto \color{blue}{\frac{x}{x + y}} \]
   7. Step-by-step derivation

      1. +-commutative 39.0%

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

   8. Simplified 39.0%

      \[\leadsto \color{blue}{\frac{x}{y + x}} \]
   9. Step-by-step derivation

      1. clear-num 40.3%

         \[\leadsto \color{blue}{\frac{1}{\frac{y + x}{x}}} \]

      2. inv-pow 40.3%

         \[\leadsto \color{blue}{{\left(\frac{y + x}{x}\right)}^{-1}} \]

   10. Applied egg-rr 40.3%

       \[\leadsto \color{blue}{{\left(\frac{y + x}{x}\right)}^{-1}} \]
   11. Step-by-step derivation

       1. unpow-1 40.3%

          \[\leadsto \color{blue}{\frac{1}{\frac{y + x}{x}}} \]

   12. Simplified 40.3%

       \[\leadsto \color{blue}{\frac{1}{\frac{y + x}{x}}} \]

   if -7.0000000000000003e174 < (-.f64 b c) < -1e17 or 5e-274 < (-.f64 b c)

   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 c around inf 72.0%

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

      1. +-commutative 72.0%

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

      2. associate-*r/ 72.0%

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

      3. metadata-eval 72.0%

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

   5. Simplified 72.0%

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

   6. Taylor expanded in x around inf 61.0%

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

   if -1e17 < (-.f64 b c) < 5e-274

   1. Initial program 96.7%

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

   3. Taylor expanded in c around inf 67.7%

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

      1. +-commutative 67.7%

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

      2. associate-*r/ 67.7%

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

      3. metadata-eval 67.7%

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

   5. Simplified 67.7%

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

   6. Taylor expanded in c around 0 61.1%

      \[\leadsto \color{blue}{\frac{x}{x + y}} \]
   7. Step-by-step derivation

      1. +-commutative 61.1%

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

   8. Simplified 61.1%

      \[\leadsto \color{blue}{\frac{x}{y + x}} \]
3. Recombined 3 regimes into one program.

4. Final simplification 57.3%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b - c \leq -7 \cdot 10^{+174}:\\ \;\;\;\;\frac{1}{\frac{x + y}{x}}\\ \mathbf{elif}\;b - c \leq -1 \cdot 10^{+17}:\\ \;\;\;\;1\\ \mathbf{elif}\;b - c \leq 5 \cdot 10^{-274}:\\ \;\;\;\;\frac{x}{x + y}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \]
5. Add Preprocessing

Alternative 20: 52.3% 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 91.4%

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

3. Taylor expanded in c around inf 71.5%

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

   1. +-commutative 71.5%

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

   2. associate-*r/ 71.5%

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

   3. metadata-eval 71.5%

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

5. Simplified 71.5%

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

6. Taylor expanded in x around inf 52.5%

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

7. Final simplification 52.5%

   \[\leadsto 1 \]
8. Add Preprocessing

Developer target: 95.4% 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 2024077 
(FPCore (x y z t a b c)
  :name "Numeric.SpecFunctions:invIncompleteBetaWorker from math-functions-0.1.5.2, I"
  :precision binary64

  :alt
  (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)))))))))))