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

Percentage Accurate: 94.1% → 97.2%

Time: 24.1s

Alternatives: 18

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: 94.1% 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: 97.2% accurate, 0.5× speedup

Math

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

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
          (/ (+ (* z (sqrt a)) (* -0.6666666666666666 (- c b))) 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 * (((z * sqrt(a)) + (-0.6666666666666666 * (c - b))) / 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 * (((z * Math.sqrt(a)) + (-0.6666666666666666 * (c - b))) / 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 * (((z * math.sqrt(a)) + (-0.6666666666666666 * (c - b))) / 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(Float64(Float64(z * sqrt(a)) + Float64(-0.6666666666666666 * Float64(c - b))) / 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 * (((z * sqrt(a)) + (-0.6666666666666666 * (c - b))) / 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[(N[(N[(z * N[Sqrt[a], $MachinePrecision]), $MachinePrecision] + N[(-0.6666666666666666 * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]

Derivation

1. Split input into 2 regimes

2. if (-.f64 (/.f64 (*.f64 z (sqrt.f64 (+.f64 t a))) t) (*.f64 (-.f64 b c) (-.f64 (+.f64 a (/.f64 #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 99.2%

      \[\leadsto \color{blue}{\frac{x}{x + y \cdot {\left(e^{2}\right)}^{\left(z \cdot \frac{\sqrt{t + a}}{t} - \left(b - c\right) \cdot \left(a + \left(0.8333333333333334 - \frac{2}{t \cdot 3}\right)\right)\right)}}} \]
   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 t around 0 83.9%

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

4. Final simplification 98.5%

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

Alternative 2: 97.3% accurate, 0.7× speedup

Math

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

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
          (/ (+ (* z (sqrt a)) (* -0.6666666666666666 (- c b))) 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 * (((z * sqrt(a)) + (-0.6666666666666666 * (c - b))) / 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 * (((z * Math.sqrt(a)) + (-0.6666666666666666 * (c - b))) / 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 * (((z * math.sqrt(a)) + (-0.6666666666666666 * (c - b))) / 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(Float64(Float64(z * sqrt(a)) + Float64(-0.6666666666666666 * Float64(c - b))) / 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 * (((z * sqrt(a)) + (-0.6666666666666666 * (c - b))) / 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[(N[(N[(z * N[Sqrt[a], $MachinePrecision]), $MachinePrecision] + N[(-0.6666666666666666 * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]

Derivation

1. Split input into 2 regimes

2. if (-.f64 (/.f64 (*.f64 z (sqrt.f64 (+.f64 t a))) t) (*.f64 (-.f64 b c) (-.f64 (+.f64 a (/.f64 #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 t around 0 83.9%

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

4. Final simplification 98.1%

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

Alternative 3: 89.1% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq 1.8 \cdot 10^{-189}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{z \cdot \sqrt{a} + -0.6666666666666666 \cdot \left(c - b\right)}{t}}}\\ \mathbf{elif}\;t \leq 4.45 \cdot 10^{-14}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z}{\sqrt{t}} + \left(a + 0.8333333333333334\right) \cdot \left(c - b\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t 1.8e-189)
   (/
    x
    (+
     x
     (*
      y
      (exp (* 2.0 (/ (+ (* z (sqrt a)) (* -0.6666666666666666 (- c b))) t))))))
   (if (<= t 4.45e-14)
     (/
      x
      (+
       x
       (*
        y
        (exp
         (*
          2.0
          (* b (- (/ 0.6666666666666666 t) (+ a 0.8333333333333334))))))))
     (/
      x
      (+
       x
       (*
        y
        (exp
         (* 2.0 (+ (/ z (sqrt 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 <= 1.8e-189) {
		tmp = x / (x + (y * exp((2.0 * (((z * sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))));
	} else if (t <= 4.45e-14) {
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	} else {
		tmp = x / (x + (y * exp((2.0 * ((z / sqrt(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 <= 1.8d-189) then
        tmp = x / (x + (y * exp((2.0d0 * (((z * sqrt(a)) + ((-0.6666666666666666d0) * (c - b))) / t)))))
    else if (t <= 4.45d-14) then
        tmp = x / (x + (y * exp((2.0d0 * (b * ((0.6666666666666666d0 / t) - (a + 0.8333333333333334d0)))))))
    else
        tmp = x / (x + (y * exp((2.0d0 * ((z / sqrt(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 <= 1.8e-189) {
		tmp = x / (x + (y * Math.exp((2.0 * (((z * Math.sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))));
	} else if (t <= 4.45e-14) {
		tmp = x / (x + (y * Math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * ((z / Math.sqrt(t)) + ((a + 0.8333333333333334) * (c - b)))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= 1.8e-189:
		tmp = x / (x + (y * math.exp((2.0 * (((z * math.sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))))
	elif t <= 4.45e-14:
		tmp = x / (x + (y * math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * ((z / math.sqrt(t)) + ((a + 0.8333333333333334) * (c - b)))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= 1.8e-189)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(Float64(z * sqrt(a)) + Float64(-0.6666666666666666 * Float64(c - b))) / t))))));
	elseif (t <= 4.45e-14)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(b * Float64(Float64(0.6666666666666666 / t) - Float64(a + 0.8333333333333334))))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(z / sqrt(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 <= 1.8e-189)
		tmp = x / (x + (y * exp((2.0 * (((z * sqrt(a)) + (-0.6666666666666666 * (c - b))) / t)))));
	elseif (t <= 4.45e-14)
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	else
		tmp = x / (x + (y * exp((2.0 * ((z / sqrt(t)) + ((a + 0.8333333333333334) * (c - b)))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, 1.8e-189], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(N[(z * N[Sqrt[a], $MachinePrecision]), $MachinePrecision] + N[(-0.6666666666666666 * N[(c - b), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 4.45e-14], 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], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(z / N[Sqrt[t], $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 < 1.80000000000000008e-189

   1. Initial program 87.7%

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

   3. Taylor expanded in t around 0 90.4%

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

   if 1.80000000000000008e-189 < t < 4.45e-14

   1. Initial program 95.7%

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

   3. Taylor expanded in b around inf 80.3%

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

      1. associate-*r/ 80.3%

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

      2. metadata-eval 80.3%

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

      3. +-commutative 80.3%

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

   5. Simplified 80.3%

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

   if 4.45e-14 < t

   1. Initial program 97.7%

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

   3. Taylor expanded in t around inf 98.5%

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

      1. *-commutative 98.5%

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

      2. sqrt-div 98.5%

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

      3. metadata-eval 98.5%

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

      4. un-div-inv 98.5%

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

   5. Applied egg-rr 98.5%

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

4. Final simplification 92.7%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq 1.8 \cdot 10^{-189}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{z \cdot \sqrt{a} + -0.6666666666666666 \cdot \left(c - b\right)}{t}}}\\ \mathbf{elif}\;t \leq 4.45 \cdot 10^{-14}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z}{\sqrt{t}} + \left(a + 0.8333333333333334\right) \cdot \left(c - b\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 4: 85.2% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq 6.4 \cdot 10^{-192}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 1.76 \cdot 10^{-13}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z}{\sqrt{t}} + \left(a + 0.8333333333333334\right) \cdot \left(c - b\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t 6.4e-192)
   (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
   (if (<= t 1.76e-13)
     (/
      x
      (+
       x
       (*
        y
        (exp
         (*
          2.0
          (* b (- (/ 0.6666666666666666 t) (+ a 0.8333333333333334))))))))
     (/
      x
      (+
       x
       (*
        y
        (exp
         (* 2.0 (+ (/ z (sqrt 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 <= 6.4e-192) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else if (t <= 1.76e-13) {
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	} else {
		tmp = x / (x + (y * exp((2.0 * ((z / sqrt(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 <= 6.4d-192) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else if (t <= 1.76d-13) then
        tmp = x / (x + (y * exp((2.0d0 * (b * ((0.6666666666666666d0 / t) - (a + 0.8333333333333334d0)))))))
    else
        tmp = x / (x + (y * exp((2.0d0 * ((z / sqrt(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 <= 6.4e-192) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else if (t <= 1.76e-13) {
		tmp = x / (x + (y * Math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * ((z / Math.sqrt(t)) + ((a + 0.8333333333333334) * (c - b)))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= 6.4e-192:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	elif t <= 1.76e-13:
		tmp = x / (x + (y * math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * ((z / math.sqrt(t)) + ((a + 0.8333333333333334) * (c - b)))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= 6.4e-192)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.3333333333333333 * Float64(Float64(b - c) / t))))));
	elseif (t <= 1.76e-13)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(b * Float64(Float64(0.6666666666666666 / t) - Float64(a + 0.8333333333333334))))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(z / sqrt(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 <= 6.4e-192)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	elseif (t <= 1.76e-13)
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	else
		tmp = x / (x + (y * exp((2.0 * ((z / sqrt(t)) + ((a + 0.8333333333333334) * (c - b)))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, 6.4e-192], 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, 1.76e-13], 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], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(z / N[Sqrt[t], $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 < 6.4000000000000003e-192

   1. Initial program 87.7%

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

   3. Taylor expanded in t around 0 90.4%

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

   4. Taylor expanded in z around 0 76.1%

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

   if 6.4000000000000003e-192 < t < 1.7600000000000001e-13

   1. Initial program 95.7%

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

   3. Taylor expanded in b around inf 80.3%

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

      1. associate-*r/ 80.3%

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

      2. metadata-eval 80.3%

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

      3. +-commutative 80.3%

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

   5. Simplified 80.3%

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

   if 1.7600000000000001e-13 < t

   1. Initial program 97.7%

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

   3. Taylor expanded in t around inf 98.5%

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

      1. *-commutative 98.5%

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

      2. sqrt-div 98.5%

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

      3. metadata-eval 98.5%

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

      4. un-div-inv 98.5%

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

   5. Applied egg-rr 98.5%

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

4. Final simplification 88.1%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq 6.4 \cdot 10^{-192}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 1.76 \cdot 10^{-13}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z}{\sqrt{t}} + \left(a + 0.8333333333333334\right) \cdot \left(c - b\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 5: 75.5% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq 6.5 \cdot 10^{-189}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 2.55 \cdot 10^{-14}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z}{\sqrt{t}} + c \cdot \left(a - -0.8333333333333334\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t 6.5e-189)
   (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
   (if (<= t 2.55e-14)
     (/
      x
      (+
       x
       (*
        y
        (exp
         (*
          2.0
          (* b (- (/ 0.6666666666666666 t) (+ a 0.8333333333333334))))))))
     (/
      x
      (+
       x
       (*
        y
        (exp (* 2.0 (+ (/ z (sqrt t)) (* 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 <= 6.5e-189) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else if (t <= 2.55e-14) {
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	} else {
		tmp = x / (x + (y * exp((2.0 * ((z / sqrt(t)) + (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 <= 6.5d-189) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else if (t <= 2.55d-14) then
        tmp = x / (x + (y * exp((2.0d0 * (b * ((0.6666666666666666d0 / t) - (a + 0.8333333333333334d0)))))))
    else
        tmp = x / (x + (y * exp((2.0d0 * ((z / sqrt(t)) + (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 <= 6.5e-189) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else if (t <= 2.55e-14) {
		tmp = x / (x + (y * Math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * ((z / Math.sqrt(t)) + (c * (a - -0.8333333333333334)))))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if t <= 6.5e-189:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	elif t <= 2.55e-14:
		tmp = x / (x + (y * math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * ((z / math.sqrt(t)) + (c * (a - -0.8333333333333334)))))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (t <= 6.5e-189)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.3333333333333333 * Float64(Float64(b - c) / t))))));
	elseif (t <= 2.55e-14)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(b * Float64(Float64(0.6666666666666666 / t) - Float64(a + 0.8333333333333334))))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(z / sqrt(t)) + 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 <= 6.5e-189)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	elseif (t <= 2.55e-14)
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	else
		tmp = x / (x + (y * exp((2.0 * ((z / sqrt(t)) + (c * (a - -0.8333333333333334)))))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[t, 6.5e-189], N[(x / N[(x + N[(y * N[Exp[N[(1.3333333333333333 * N[(N[(b - c), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[t, 2.55e-14], 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], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(z / N[Sqrt[t], $MachinePrecision]), $MachinePrecision] + N[(c * N[(a - -0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]

Derivation

1. Split input into 3 regimes

2. if t < 6.5000000000000001e-189

   1. Initial program 87.7%

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

   3. Taylor expanded in t around 0 90.4%

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

   4. Taylor expanded in z around 0 76.1%

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

   if 6.5000000000000001e-189 < t < 2.5499999999999999e-14

   1. Initial program 95.7%

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

   3. Taylor expanded in b around inf 80.3%

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

      1. associate-*r/ 80.3%

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

      2. metadata-eval 80.3%

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

      3. +-commutative 80.3%

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

   5. Simplified 80.3%

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

   if 2.5499999999999999e-14 < t

   1. Initial program 97.7%

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

   3. Taylor expanded in t around inf 98.5%

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

      1. *-commutative 98.5%

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

      2. sqrt-div 98.5%

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

      3. metadata-eval 98.5%

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

      4. un-div-inv 98.5%

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

   5. Applied egg-rr 98.5%

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

   6. Taylor expanded in b around 0 79.1%

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

      1. mul-1-neg 79.1%

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

      2. +-commutative 79.1%

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

      3. distribute-rgt-neg-in 79.1%

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

      4. +-commutative 79.1%

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

      5. mul-1-neg 79.1%

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

      6. distribute-lft-in 79.1%

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

      7. metadata-eval 79.1%

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

      8. mul-1-neg 79.1%

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

      9. unsub-neg 79.1%

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

   8. Simplified 79.1%

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

4. Final simplification 78.3%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq 6.5 \cdot 10^{-189}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 2.55 \cdot 10^{-14}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(\frac{z}{\sqrt{t}} + c \cdot \left(a - -0.8333333333333334\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 6: 78.1% accurate, 1.7× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} t_1 := \frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{if}\;b \leq -6.8 \cdot 10^{+133}:\\ \;\;\;\;t\_1\\ \mathbf{elif}\;b \leq -0.0039:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{c \cdot \left(-0.6666666666666666 + a \cdot \left(t + 0.8333333333333334 \cdot \frac{t}{a}\right)\right)}{t}}}\\ \mathbf{elif}\;b \leq -2.1 \cdot 10^{-71} \lor \neg \left(b \leq 3.5 \cdot 10^{-5}\right):\\ \;\;\;\;t\_1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{c \cdot \left(-0.6666666666666666 + t \cdot \left(a + 0.8333333333333334\right)\right)}{t}}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (let* ((t_1
         (/
          x
          (+
           x
           (*
            y
            (exp
             (*
              2.0
              (*
               b
               (- (/ 0.6666666666666666 t) (+ a 0.8333333333333334))))))))))
   (if (<= b -6.8e+133)
     t_1
     (if (<= b -0.0039)
       (/
        x
        (+
         x
         (*
          y
          (exp
           (*
            2.0
            (/
             (*
              c
              (+
               -0.6666666666666666
               (* a (+ t (* 0.8333333333333334 (/ t a))))))
             t))))))
       (if (or (<= b -2.1e-71) (not (<= b 3.5e-5)))
         t_1
         (/
          x
          (+
           x
           (*
            y
            (exp
             (*
              2.0
              (/
               (* c (+ -0.6666666666666666 (* t (+ a 0.8333333333333334))))
               t)))))))))))

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 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	double tmp;
	if (b <= -6.8e+133) {
		tmp = t_1;
	} else if (b <= -0.0039) {
		tmp = x / (x + (y * exp((2.0 * ((c * (-0.6666666666666666 + (a * (t + (0.8333333333333334 * (t / a)))))) / t)))));
	} else if ((b <= -2.1e-71) || !(b <= 3.5e-5)) {
		tmp = t_1;
	} else {
		tmp = x / (x + (y * exp((2.0 * ((c * (-0.6666666666666666 + (t * (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) :: t_1
    real(8) :: tmp
    t_1 = x / (x + (y * exp((2.0d0 * (b * ((0.6666666666666666d0 / t) - (a + 0.8333333333333334d0)))))))
    if (b <= (-6.8d+133)) then
        tmp = t_1
    else if (b <= (-0.0039d0)) then
        tmp = x / (x + (y * exp((2.0d0 * ((c * ((-0.6666666666666666d0) + (a * (t + (0.8333333333333334d0 * (t / a)))))) / t)))))
    else if ((b <= (-2.1d-71)) .or. (.not. (b <= 3.5d-5))) then
        tmp = t_1
    else
        tmp = x / (x + (y * exp((2.0d0 * ((c * ((-0.6666666666666666d0) + (t * (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 t_1 = x / (x + (y * Math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	double tmp;
	if (b <= -6.8e+133) {
		tmp = t_1;
	} else if (b <= -0.0039) {
		tmp = x / (x + (y * Math.exp((2.0 * ((c * (-0.6666666666666666 + (a * (t + (0.8333333333333334 * (t / a)))))) / t)))));
	} else if ((b <= -2.1e-71) || !(b <= 3.5e-5)) {
		tmp = t_1;
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * ((c * (-0.6666666666666666 + (t * (a + 0.8333333333333334)))) / t)))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	t_1 = x / (x + (y * math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))))
	tmp = 0
	if b <= -6.8e+133:
		tmp = t_1
	elif b <= -0.0039:
		tmp = x / (x + (y * math.exp((2.0 * ((c * (-0.6666666666666666 + (a * (t + (0.8333333333333334 * (t / a)))))) / t)))))
	elif (b <= -2.1e-71) or not (b <= 3.5e-5):
		tmp = t_1
	else:
		tmp = x / (x + (y * math.exp((2.0 * ((c * (-0.6666666666666666 + (t * (a + 0.8333333333333334)))) / t)))))
	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(b * Float64(Float64(0.6666666666666666 / t) - Float64(a + 0.8333333333333334))))))))
	tmp = 0.0
	if (b <= -6.8e+133)
		tmp = t_1;
	elseif (b <= -0.0039)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(c * Float64(-0.6666666666666666 + Float64(a * Float64(t + Float64(0.8333333333333334 * Float64(t / a)))))) / t))))));
	elseif ((b <= -2.1e-71) || !(b <= 3.5e-5))
		tmp = t_1;
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(c * Float64(-0.6666666666666666 + Float64(t * Float64(a + 0.8333333333333334)))) / t))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	t_1 = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	tmp = 0.0;
	if (b <= -6.8e+133)
		tmp = t_1;
	elseif (b <= -0.0039)
		tmp = x / (x + (y * exp((2.0 * ((c * (-0.6666666666666666 + (a * (t + (0.8333333333333334 * (t / a)))))) / t)))));
	elseif ((b <= -2.1e-71) || ~((b <= 3.5e-5)))
		tmp = t_1;
	else
		tmp = x / (x + (y * exp((2.0 * ((c * (-0.6666666666666666 + (t * (a + 0.8333333333333334)))) / t)))));
	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[(b * N[(N[(0.6666666666666666 / t), $MachinePrecision] - N[(a + 0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]}, If[LessEqual[b, -6.8e+133], t$95$1, If[LessEqual[b, -0.0039], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(c * N[(-0.6666666666666666 + N[(a * N[(t + N[(0.8333333333333334 * N[(t / a), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[Or[LessEqual[b, -2.1e-71], N[Not[LessEqual[b, 3.5e-5]], $MachinePrecision]], t$95$1, N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(c * N[(-0.6666666666666666 + N[(t * N[(a + 0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]]]]

Derivation

1. Split input into 3 regimes

2. if b < -6.79999999999999975e133 or -0.0038999999999999998 < b < -2.1000000000000001e-71 or 3.4999999999999997e-5 < b

   1. Initial program 93.8%

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

   3. Taylor expanded in b around inf 87.1%

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

      1. associate-*r/ 87.1%

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

      2. metadata-eval 87.1%

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

      3. +-commutative 87.1%

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

   5. Simplified 87.1%

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

   if -6.79999999999999975e133 < b < -0.0038999999999999998

   1. Initial program 92.0%

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

   3. Taylor expanded in c around inf 60.6%

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

      1. +-commutative 60.6%

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

      2. associate-*r/ 60.6%

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

      3. metadata-eval 60.6%

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

   5. Simplified 60.6%

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

   6. Taylor expanded in t around 0 60.6%

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

      1. *-commutative 60.6%

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

      2. distribute-lft-out 60.6%

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

   8. Simplified 60.6%

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

   9. Taylor expanded in a around inf 69.2%

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

   if -2.1000000000000001e-71 < b < 3.4999999999999997e-5

   1. Initial program 95.0%

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

   3. Taylor expanded in c around inf 72.7%

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

      1. +-commutative 72.7%

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

      2. associate-*r/ 72.7%

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

      3. metadata-eval 72.7%

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

   5. Simplified 72.7%

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

   6. Taylor expanded in t around 0 75.1%

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

      1. *-commutative 75.1%

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

      2. distribute-lft-out 75.1%

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

   8. Simplified 75.1%

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

4. Final simplification 79.8%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b \leq -6.8 \cdot 10^{+133}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{elif}\;b \leq -0.0039:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{c \cdot \left(-0.6666666666666666 + a \cdot \left(t + 0.8333333333333334 \cdot \frac{t}{a}\right)\right)}{t}}}\\ \mathbf{elif}\;b \leq -2.1 \cdot 10^{-71} \lor \neg \left(b \leq 3.5 \cdot 10^{-5}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{c \cdot \left(-0.6666666666666666 + t \cdot \left(a + 0.8333333333333334\right)\right)}{t}}}\\ \end{array} \]
5. Add Preprocessing

Alternative 7: 57.1% accurate, 1.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;c \leq -3.8 \cdot 10^{+148}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;c \leq -80000000:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq -1.4 \cdot 10^{-216}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{\left(a \cdot b\right) \cdot -2}}\\ \mathbf{elif}\;c \leq 6 \cdot 10^{+43}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= c -3.8e+148)
   (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
   (if (<= c -80000000.0)
     1.0
     (if (<= c -1.4e-216)
       (/ x (+ x (* y (exp (* (* a b) -2.0)))))
       (if (<= c 6e+43)
         1.0
         (/ 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 <= -3.8e+148) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else if (c <= -80000000.0) {
		tmp = 1.0;
	} else if (c <= -1.4e-216) {
		tmp = x / (x + (y * exp(((a * b) * -2.0))));
	} else if (c <= 6e+43) {
		tmp = 1.0;
	} 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 <= (-3.8d+148)) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else if (c <= (-80000000.0d0)) then
        tmp = 1.0d0
    else if (c <= (-1.4d-216)) then
        tmp = x / (x + (y * exp(((a * b) * (-2.0d0)))))
    else if (c <= 6d+43) then
        tmp = 1.0d0
    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 <= -3.8e+148) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else if (c <= -80000000.0) {
		tmp = 1.0;
	} else if (c <= -1.4e-216) {
		tmp = x / (x + (y * Math.exp(((a * b) * -2.0))));
	} else if (c <= 6e+43) {
		tmp = 1.0;
	} 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 <= -3.8e+148:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	elif c <= -80000000.0:
		tmp = 1.0
	elif c <= -1.4e-216:
		tmp = x / (x + (y * math.exp(((a * b) * -2.0))))
	elif c <= 6e+43:
		tmp = 1.0
	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 <= -3.8e+148)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.3333333333333333 * Float64(Float64(b - c) / t))))));
	elseif (c <= -80000000.0)
		tmp = 1.0;
	elseif (c <= -1.4e-216)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(Float64(a * b) * -2.0)))));
	elseif (c <= 6e+43)
		tmp = 1.0;
	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 <= -3.8e+148)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	elseif (c <= -80000000.0)
		tmp = 1.0;
	elseif (c <= -1.4e-216)
		tmp = x / (x + (y * exp(((a * b) * -2.0))));
	elseif (c <= 6e+43)
		tmp = 1.0;
	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, -3.8e+148], 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[c, -80000000.0], 1.0, If[LessEqual[c, -1.4e-216], N[(x / N[(x + N[(y * N[Exp[N[(N[(a * b), $MachinePrecision] * -2.0), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[c, 6e+43], 1.0, 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 < -3.7999999999999998e148

   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 t around 0 53.5%

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

   4. Taylor expanded in z around 0 72.8%

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

   if -3.7999999999999998e148 < c < -8e7 or -1.4e-216 < c < 6.00000000000000033e43

   1. Initial program 96.9%

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

   3. Taylor expanded in b around inf 65.5%

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

      1. associate-*r/ 65.5%

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

      2. metadata-eval 65.5%

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

      3. +-commutative 65.5%

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

   5. Simplified 65.5%

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

   6. Taylor expanded in a around inf 45.4%

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

      1. associate-*r* 45.4%

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

      2. mul-1-neg 45.4%

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

   8. Simplified 45.4%

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

   9. Taylor expanded in a around 0 31.8%

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

       1. *-commutative 31.8%

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

       2. *-commutative 31.8%

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

   11. Simplified 31.8%

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

   12. Taylor expanded in x around inf 59.7%

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

   if -8e7 < c < -1.4e-216

   1. Initial program 93.8%

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

   3. Taylor expanded in b around inf 69.0%

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

      1. associate-*r/ 69.0%

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

      2. metadata-eval 69.0%

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

      3. +-commutative 69.0%

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

   5. Simplified 69.0%

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

   6. Taylor expanded in a around inf 68.5%

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

      1. associate-*r* 68.5%

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

      2. mul-1-neg 68.5%

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

   8. Simplified 68.5%

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

   9. Taylor expanded in a around 0 68.5%

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

       1. *-commutative 68.5%

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

       2. *-commutative 68.5%

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

   11. Simplified 68.5%

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

   if 6.00000000000000033e43 < c

   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 c around inf 76.8%

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

      1. +-commutative 76.8%

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

      2. associate-*r/ 76.8%

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

      3. metadata-eval 76.8%

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

   5. Simplified 76.8%

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

   6. Taylor expanded in t around inf 70.5%

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

   7. Taylor expanded in a around 0 68.4%

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

4. Final simplification 64.6%

   \[\leadsto \begin{array}{l} \mathbf{if}\;c \leq -3.8 \cdot 10^{+148}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;c \leq -80000000:\\ \;\;\;\;1\\ \mathbf{elif}\;c \leq -1.4 \cdot 10^{-216}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{\left(a \cdot b\right) \cdot -2}}\\ \mathbf{elif}\;c \leq 6 \cdot 10^{+43}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \end{array} \]
5. Add Preprocessing

Alternative 8: 79.4% accurate, 1.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;b \leq -1.55 \cdot 10^{-71} \lor \neg \left(b \leq 2.9 \cdot 10^{-5}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{c \cdot \left(-0.6666666666666666 + t \cdot \left(a + 0.8333333333333334\right)\right)}{t}}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (or (<= b -1.55e-71) (not (<= b 2.9e-5)))
   (/
    x
    (+
     x
     (*
      y
      (exp
       (* 2.0 (* b (- (/ 0.6666666666666666 t) (+ a 0.8333333333333334))))))))
   (/
    x
    (+
     x
     (*
      y
      (exp
       (*
        2.0
        (/
         (* c (+ -0.6666666666666666 (* t (+ a 0.8333333333333334))))
         t))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if ((b <= -1.55e-71) || !(b <= 2.9e-5)) {
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	} else {
		tmp = x / (x + (y * exp((2.0 * ((c * (-0.6666666666666666 + (t * (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 ((b <= (-1.55d-71)) .or. (.not. (b <= 2.9d-5))) then
        tmp = x / (x + (y * exp((2.0d0 * (b * ((0.6666666666666666d0 / t) - (a + 0.8333333333333334d0)))))))
    else
        tmp = x / (x + (y * exp((2.0d0 * ((c * ((-0.6666666666666666d0) + (t * (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 ((b <= -1.55e-71) || !(b <= 2.9e-5)) {
		tmp = x / (x + (y * Math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	} else {
		tmp = x / (x + (y * Math.exp((2.0 * ((c * (-0.6666666666666666 + (t * (a + 0.8333333333333334)))) / t)))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if (b <= -1.55e-71) or not (b <= 2.9e-5):
		tmp = x / (x + (y * math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))))
	else:
		tmp = x / (x + (y * math.exp((2.0 * ((c * (-0.6666666666666666 + (t * (a + 0.8333333333333334)))) / t)))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if ((b <= -1.55e-71) || !(b <= 2.9e-5))
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(b * Float64(Float64(0.6666666666666666 / t) - Float64(a + 0.8333333333333334))))))));
	else
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(Float64(c * Float64(-0.6666666666666666 + Float64(t * 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 ((b <= -1.55e-71) || ~((b <= 2.9e-5)))
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	else
		tmp = x / (x + (y * exp((2.0 * ((c * (-0.6666666666666666 + (t * (a + 0.8333333333333334)))) / t)))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[Or[LessEqual[b, -1.55e-71], N[Not[LessEqual[b, 2.9e-5]], $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], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(N[(c * N[(-0.6666666666666666 + N[(t * N[(a + 0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if b < -1.55000000000000001e-71 or 2.9e-5 < b

   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 80.3%

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

      1. associate-*r/ 80.3%

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

      2. metadata-eval 80.3%

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

      3. +-commutative 80.3%

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

   5. Simplified 80.3%

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

   if -1.55000000000000001e-71 < b < 2.9e-5

   1. Initial program 95.0%

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

   3. Taylor expanded in c around inf 72.7%

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

      1. +-commutative 72.7%

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

      2. associate-*r/ 72.7%

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

      3. metadata-eval 72.7%

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

   5. Simplified 72.7%

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

   6. Taylor expanded in t around 0 75.1%

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

      1. *-commutative 75.1%

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

      2. distribute-lft-out 75.1%

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

   8. Simplified 75.1%

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

4. Final simplification 77.9%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b \leq -1.55 \cdot 10^{-71} \lor \neg \left(b \leq 2.9 \cdot 10^{-5}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \frac{c \cdot \left(-0.6666666666666666 + t \cdot \left(a + 0.8333333333333334\right)\right)}{t}}}\\ \end{array} \]
5. Add Preprocessing

Alternative 9: 79.5% accurate, 1.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;b \leq -8.2 \cdot 10^{-73} \lor \neg \left(b \leq 0.002\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (or (<= b -8.2e-73) (not (<= b 0.002)))
   (/
    x
    (+
     x
     (*
      y
      (exp
       (* 2.0 (* b (- (/ 0.6666666666666666 t) (+ a 0.8333333333333334))))))))
   (/
    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 tmp;
	if ((b <= -8.2e-73) || !(b <= 0.002)) {
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	} else {
		tmp = x / (x + (y * exp((2.0 * (c * ((a + 0.8333333333333334) - (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 ((b <= (-8.2d-73)) .or. (.not. (b <= 0.002d0))) then
        tmp = x / (x + (y * exp((2.0d0 * (b * ((0.6666666666666666d0 / t) - (a + 0.8333333333333334d0)))))))
    else
        tmp = x / (x + (y * exp((2.0d0 * (c * ((a + 0.8333333333333334d0) - (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 ((b <= -8.2e-73) || !(b <= 0.002)) {
		tmp = x / (x + (y * Math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	} 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):
	tmp = 0
	if (b <= -8.2e-73) or not (b <= 0.002):
		tmp = x / (x + (y * math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))))
	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)
	tmp = 0.0
	if ((b <= -8.2e-73) || !(b <= 0.002))
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(b * Float64(Float64(0.6666666666666666 / t) - Float64(a + 0.8333333333333334))))))));
	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)
	tmp = 0.0;
	if ((b <= -8.2e-73) || ~((b <= 0.002)))
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	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_] := If[Or[LessEqual[b, -8.2e-73], N[Not[LessEqual[b, 0.002]], $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], 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 b < -8.20000000000000032e-73 or 2e-3 < b

   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 80.4%

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

      1. associate-*r/ 80.4%

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

      2. metadata-eval 80.4%

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

      3. +-commutative 80.4%

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

   5. Simplified 80.4%

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

   if -8.20000000000000032e-73 < b < 2e-3

   1. Initial program 94.9%

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

   3. Taylor expanded in c around inf 73.3%

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

      1. +-commutative 73.3%

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

      2. associate-*r/ 73.3%

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

      3. metadata-eval 73.3%

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

   5. Simplified 73.3%

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

4. Final simplification 77.1%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b \leq -8.2 \cdot 10^{-73} \lor \neg \left(b \leq 0.002\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(\left(a + 0.8333333333333334\right) - \frac{0.6666666666666666}{t}\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 10: 74.3% accurate, 1.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;b \leq -1.06 \cdot 10^{-72} \lor \neg \left(b \leq 3.8 \cdot 10^{-8}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(a + 0.8333333333333334\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (or (<= b -1.06e-72) (not (<= b 3.8e-8)))
   (/
    x
    (+
     x
     (*
      y
      (exp
       (* 2.0 (* b (- (/ 0.6666666666666666 t) (+ a 0.8333333333333334))))))))
   (/ 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 ((b <= -1.06e-72) || !(b <= 3.8e-8)) {
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	} 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 ((b <= (-1.06d-72)) .or. (.not. (b <= 3.8d-8))) then
        tmp = x / (x + (y * exp((2.0d0 * (b * ((0.6666666666666666d0 / t) - (a + 0.8333333333333334d0)))))))
    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 ((b <= -1.06e-72) || !(b <= 3.8e-8)) {
		tmp = x / (x + (y * Math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	} 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 (b <= -1.06e-72) or not (b <= 3.8e-8):
		tmp = x / (x + (y * math.exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))))
	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 ((b <= -1.06e-72) || !(b <= 3.8e-8))
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(b * Float64(Float64(0.6666666666666666 / t) - Float64(a + 0.8333333333333334))))))));
	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 ((b <= -1.06e-72) || ~((b <= 3.8e-8)))
		tmp = x / (x + (y * exp((2.0 * (b * ((0.6666666666666666 / t) - (a + 0.8333333333333334)))))));
	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[Or[LessEqual[b, -1.06e-72], N[Not[LessEqual[b, 3.8e-8]], $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], 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 2 regimes

2. if b < -1.05999999999999994e-72 or 3.80000000000000028e-8 < b

   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 80.4%

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

      1. associate-*r/ 80.4%

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

      2. metadata-eval 80.4%

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

      3. +-commutative 80.4%

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

   5. Simplified 80.4%

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

   if -1.05999999999999994e-72 < b < 3.80000000000000028e-8

   1. Initial program 94.9%

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

   3. Taylor expanded in c around inf 73.3%

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

      1. +-commutative 73.3%

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

      2. associate-*r/ 73.3%

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

      3. metadata-eval 73.3%

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

   5. Simplified 73.3%

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

   6. Taylor expanded in t around inf 62.4%

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

4. Final simplification 72.1%

   \[\leadsto \begin{array}{l} \mathbf{if}\;b \leq -1.06 \cdot 10^{-72} \lor \neg \left(b \leq 3.8 \cdot 10^{-8}\right):\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(\frac{0.6666666666666666}{t} - \left(a + 0.8333333333333334\right)\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(a + 0.8333333333333334\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 11: 57.5% accurate, 1.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;c \leq -850000000:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot c\right)}}\\ \mathbf{elif}\;c \leq -1.15 \cdot 10^{-216}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{\left(a \cdot b\right) \cdot -2}}\\ \mathbf{elif}\;c \leq 1.9 \cdot 10^{+43}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= c -850000000.0)
   (/ x (+ x (* y (exp (* 2.0 (* a c))))))
   (if (<= c -1.15e-216)
     (/ x (+ x (* y (exp (* (* a b) -2.0)))))
     (if (<= c 1.9e+43)
       1.0
       (/ 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 <= -850000000.0) {
		tmp = x / (x + (y * exp((2.0 * (a * c)))));
	} else if (c <= -1.15e-216) {
		tmp = x / (x + (y * exp(((a * b) * -2.0))));
	} else if (c <= 1.9e+43) {
		tmp = 1.0;
	} 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 <= (-850000000.0d0)) then
        tmp = x / (x + (y * exp((2.0d0 * (a * c)))))
    else if (c <= (-1.15d-216)) then
        tmp = x / (x + (y * exp(((a * b) * (-2.0d0)))))
    else if (c <= 1.9d+43) then
        tmp = 1.0d0
    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 <= -850000000.0) {
		tmp = x / (x + (y * Math.exp((2.0 * (a * c)))));
	} else if (c <= -1.15e-216) {
		tmp = x / (x + (y * Math.exp(((a * b) * -2.0))));
	} else if (c <= 1.9e+43) {
		tmp = 1.0;
	} 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 <= -850000000.0:
		tmp = x / (x + (y * math.exp((2.0 * (a * c)))))
	elif c <= -1.15e-216:
		tmp = x / (x + (y * math.exp(((a * b) * -2.0))))
	elif c <= 1.9e+43:
		tmp = 1.0
	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 <= -850000000.0)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(a * c))))));
	elseif (c <= -1.15e-216)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(Float64(a * b) * -2.0)))));
	elseif (c <= 1.9e+43)
		tmp = 1.0;
	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 <= -850000000.0)
		tmp = x / (x + (y * exp((2.0 * (a * c)))));
	elseif (c <= -1.15e-216)
		tmp = x / (x + (y * exp(((a * b) * -2.0))));
	elseif (c <= 1.9e+43)
		tmp = 1.0;
	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, -850000000.0], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(a * c), $MachinePrecision]), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[c, -1.15e-216], N[(x / N[(x + N[(y * N[Exp[N[(N[(a * b), $MachinePrecision] * -2.0), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], If[LessEqual[c, 1.9e+43], 1.0, 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 < -8.5e8

   1. Initial program 94.1%

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

   3. Taylor expanded in c around inf 79.8%

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

      1. +-commutative 79.8%

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

      2. associate-*r/ 79.8%

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

      3. metadata-eval 79.8%

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

   5. Simplified 79.8%

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

   6. Taylor expanded in a around inf 58.8%

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

   if -8.5e8 < c < -1.14999999999999998e-216

   1. Initial program 93.8%

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

   3. Taylor expanded in b around inf 69.0%

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

      1. associate-*r/ 69.0%

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

      2. metadata-eval 69.0%

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

      3. +-commutative 69.0%

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

   5. Simplified 69.0%

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

   6. Taylor expanded in a around inf 68.5%

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

      1. associate-*r* 68.5%

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

      2. mul-1-neg 68.5%

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

   8. Simplified 68.5%

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

   9. Taylor expanded in a around 0 68.5%

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

       1. *-commutative 68.5%

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

       2. *-commutative 68.5%

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

   11. Simplified 68.5%

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

   if -1.14999999999999998e-216 < c < 1.90000000000000004e43

   1. Initial program 96.9%

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

   3. Taylor expanded in b around inf 70.1%

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

      1. associate-*r/ 70.1%

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

      2. metadata-eval 70.1%

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

      3. +-commutative 70.1%

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

   5. Simplified 70.1%

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

   6. Taylor expanded in a around inf 47.7%

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

      1. associate-*r* 47.7%

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

      2. mul-1-neg 47.7%

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

   8. Simplified 47.7%

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

   9. Taylor expanded in a around 0 32.5%

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

       1. *-commutative 32.5%

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

       2. *-commutative 32.5%

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

   11. Simplified 32.5%

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

   12. Taylor expanded in x around inf 58.2%

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

   if 1.90000000000000004e43 < c

   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 c around inf 76.8%

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

      1. +-commutative 76.8%

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

      2. associate-*r/ 76.8%

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

      3. metadata-eval 76.8%

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

   5. Simplified 76.8%

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

   6. Taylor expanded in t around inf 70.5%

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

   7. Taylor expanded in a around 0 68.4%

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

4. Final simplification 62.1%

   \[\leadsto \begin{array}{l} \mathbf{if}\;c \leq -850000000:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(a \cdot c\right)}}\\ \mathbf{elif}\;c \leq -1.15 \cdot 10^{-216}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{\left(a \cdot b\right) \cdot -2}}\\ \mathbf{elif}\;c \leq 1.9 \cdot 10^{+43}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \end{array} \]
5. Add Preprocessing

Alternative 12: 72.4% accurate, 1.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq 5.1 \cdot 10^{-5}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 7.8 \cdot 10^{+85}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(a + 0.8333333333333334\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(-0.8333333333333334 - a\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t 5.1e-5)
   (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
   (if (<= t 7.8e+85)
     (/ x (+ x (* y (exp (* 2.0 (* c (+ a 0.8333333333333334)))))))
     (/ 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 <= 5.1e-5) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else if (t <= 7.8e+85) {
		tmp = x / (x + (y * exp((2.0 * (c * (a + 0.8333333333333334))))));
	} 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 <= 5.1d-5) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else if (t <= 7.8d+85) then
        tmp = x / (x + (y * exp((2.0d0 * (c * (a + 0.8333333333333334d0))))))
    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 <= 5.1e-5) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else if (t <= 7.8e+85) {
		tmp = x / (x + (y * Math.exp((2.0 * (c * (a + 0.8333333333333334))))));
	} 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 <= 5.1e-5:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	elif t <= 7.8e+85:
		tmp = x / (x + (y * math.exp((2.0 * (c * (a + 0.8333333333333334))))))
	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 <= 5.1e-5)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.3333333333333333 * Float64(Float64(b - c) / t))))));
	elseif (t <= 7.8e+85)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(2.0 * Float64(c * Float64(a + 0.8333333333333334)))))));
	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 <= 5.1e-5)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	elseif (t <= 7.8e+85)
		tmp = x / (x + (y * exp((2.0 * (c * (a + 0.8333333333333334))))));
	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, 5.1e-5], 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, 7.8e+85], N[(x / N[(x + N[(y * N[Exp[N[(2.0 * N[(c * N[(a + 0.8333333333333334), $MachinePrecision]), $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 3 regimes

2. if t < 5.09999999999999996e-5

   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 82.0%

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

   4. Taylor expanded in z around 0 71.9%

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

   if 5.09999999999999996e-5 < t < 7.80000000000000067e85

   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 69.2%

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

      1. +-commutative 69.2%

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

      2. associate-*r/ 69.2%

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

      3. metadata-eval 69.2%

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

   5. Simplified 69.2%

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

   6. Taylor expanded in t around inf 69.2%

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

   if 7.80000000000000067e85 < t

   1. Initial program 96.9%

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

   3. Taylor expanded in b around inf 68.7%

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

      1. associate-*r/ 68.7%

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

      2. metadata-eval 68.7%

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

      3. +-commutative 68.7%

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

   5. Simplified 68.7%

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

   6. Taylor expanded in t around inf 68.7%

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

      1. mul-1-neg 68.7%

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

      2. +-commutative 68.7%

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

      3. distribute-rgt-neg-in 68.7%

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

      4. +-commutative 68.7%

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

      5. mul-1-neg 68.7%

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

      6. distribute-lft-in 68.7%

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

      7. metadata-eval 68.7%

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

      8. mul-1-neg 68.7%

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

      9. unsub-neg 68.7%

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

   8. Simplified 68.7%

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

4. Final simplification 70.4%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq 5.1 \cdot 10^{-5}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 7.8 \cdot 10^{+85}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(c \cdot \left(a + 0.8333333333333334\right)\right)}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(-0.8333333333333334 - a\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 13: 72.3% accurate, 1.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;t \leq 2.9 \cdot 10^{-6}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 5 \cdot 10^{+43}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(-0.8333333333333334 - a\right)\right)}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= t 2.9e-6)
   (/ x (+ x (* y (exp (* 1.3333333333333333 (/ (- b c) t))))))
   (if (<= t 5e+43)
     (/ x (+ x (* y (exp (* c 1.6666666666666667)))))
     (/ 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 <= 2.9e-6) {
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	} else if (t <= 5e+43) {
		tmp = x / (x + (y * exp((c * 1.6666666666666667))));
	} 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 <= 2.9d-6) then
        tmp = x / (x + (y * exp((1.3333333333333333d0 * ((b - c) / t)))))
    else if (t <= 5d+43) then
        tmp = x / (x + (y * exp((c * 1.6666666666666667d0))))
    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 <= 2.9e-6) {
		tmp = x / (x + (y * Math.exp((1.3333333333333333 * ((b - c) / t)))));
	} else if (t <= 5e+43) {
		tmp = x / (x + (y * Math.exp((c * 1.6666666666666667))));
	} 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 <= 2.9e-6:
		tmp = x / (x + (y * math.exp((1.3333333333333333 * ((b - c) / t)))))
	elif t <= 5e+43:
		tmp = x / (x + (y * math.exp((c * 1.6666666666666667))))
	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 <= 2.9e-6)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(1.3333333333333333 * Float64(Float64(b - c) / t))))));
	elseif (t <= 5e+43)
		tmp = Float64(x / Float64(x + Float64(y * exp(Float64(c * 1.6666666666666667)))));
	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 <= 2.9e-6)
		tmp = x / (x + (y * exp((1.3333333333333333 * ((b - c) / t)))));
	elseif (t <= 5e+43)
		tmp = x / (x + (y * exp((c * 1.6666666666666667))));
	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, 2.9e-6], 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, 5e+43], N[(x / N[(x + N[(y * N[Exp[N[(c * 1.6666666666666667), $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 3 regimes

2. if t < 2.9000000000000002e-6

   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 82.0%

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

   4. Taylor expanded in z around 0 71.9%

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

   if 2.9000000000000002e-6 < t < 5.0000000000000004e43

   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 86.7%

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

      1. +-commutative 86.7%

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

      2. associate-*r/ 86.7%

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

      3. metadata-eval 86.7%

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

   5. Simplified 86.7%

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

   6. Taylor expanded in t around inf 86.7%

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

   7. Taylor expanded in a around 0 81.6%

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

   if 5.0000000000000004e43 < t

   1. Initial program 97.2%

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

   3. Taylor expanded in b around inf 65.6%

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

      1. associate-*r/ 65.6%

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

      2. metadata-eval 65.6%

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

      3. +-commutative 65.6%

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

   5. Simplified 65.6%

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

   6. Taylor expanded in t around inf 65.6%

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

      1. mul-1-neg 65.6%

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

      2. +-commutative 65.6%

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

      3. distribute-rgt-neg-in 65.6%

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

      4. +-commutative 65.6%

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

      5. mul-1-neg 65.6%

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

      6. distribute-lft-in 65.6%

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

      7. metadata-eval 65.6%

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

      8. mul-1-neg 65.6%

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

      9. unsub-neg 65.6%

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

   8. Simplified 65.6%

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

4. Final simplification 70.0%

   \[\leadsto \begin{array}{l} \mathbf{if}\;t \leq 2.9 \cdot 10^{-6}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{1.3333333333333333 \cdot \frac{b - c}{t}}}\\ \mathbf{elif}\;t \leq 5 \cdot 10^{+43}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{2 \cdot \left(b \cdot \left(-0.8333333333333334 - a\right)\right)}}\\ \end{array} \]
5. Add Preprocessing

Alternative 14: 56.8% accurate, 2.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;c \leq 5 \cdot 10^{+42}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= c 5e+42) 1.0 (/ 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 <= 5e+42) {
		tmp = 1.0;
	} 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 <= 5d+42) then
        tmp = 1.0d0
    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 <= 5e+42) {
		tmp = 1.0;
	} 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 <= 5e+42:
		tmp = 1.0
	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 <= 5e+42)
		tmp = 1.0;
	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 <= 5e+42)
		tmp = 1.0;
	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, 5e+42], 1.0, N[(x / N[(x + N[(y * N[Exp[N[(c * 1.6666666666666667), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if c < 5.00000000000000007e42

   1. Initial program 95.3%

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

   3. Taylor expanded in b around inf 67.9%

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

      1. associate-*r/ 67.9%

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

      2. metadata-eval 67.9%

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

      3. +-commutative 67.9%

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

   5. Simplified 67.9%

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

   6. Taylor expanded in a around inf 53.1%

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

      1. associate-*r* 53.1%

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

      2. mul-1-neg 53.1%

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

   8. Simplified 53.1%

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

   9. Taylor expanded in a around 0 37.9%

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

       1. *-commutative 37.9%

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

       2. *-commutative 37.9%

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

   11. Simplified 37.9%

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

   12. Taylor expanded in x around inf 57.5%

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

   if 5.00000000000000007e42 < c

   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 c around inf 76.8%

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

      1. +-commutative 76.8%

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

      2. associate-*r/ 76.8%

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

      3. metadata-eval 76.8%

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

   5. Simplified 76.8%

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

   6. Taylor expanded in t around inf 70.5%

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

   7. Taylor expanded in a around 0 68.4%

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

4. Final simplification 59.5%

   \[\leadsto \begin{array}{l} \mathbf{if}\;c \leq 5 \cdot 10^{+42}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + y \cdot e^{c \cdot 1.6666666666666667}}\\ \end{array} \]
5. Add Preprocessing

Alternative 15: 53.6% accurate, 8.9× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;c \leq 4 \cdot 10^{+44}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + \left(y - 2 \cdot \frac{c \cdot \left(y \cdot \left(0.6666666666666666 - t \cdot \left(a + 0.8333333333333334\right)\right)\right)}{t}\right)}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= c 4e+44)
   1.0
   (/
    x
    (+
     x
     (-
      y
      (*
       2.0
       (/
        (* c (* y (- 0.6666666666666666 (* t (+ 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 <= 4e+44) {
		tmp = 1.0;
	} else {
		tmp = x / (x + (y - (2.0 * ((c * (y * (0.6666666666666666 - (t * (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 <= 4d+44) then
        tmp = 1.0d0
    else
        tmp = x / (x + (y - (2.0d0 * ((c * (y * (0.6666666666666666d0 - (t * (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 <= 4e+44) {
		tmp = 1.0;
	} else {
		tmp = x / (x + (y - (2.0 * ((c * (y * (0.6666666666666666 - (t * (a + 0.8333333333333334))))) / t))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if c <= 4e+44:
		tmp = 1.0
	else:
		tmp = x / (x + (y - (2.0 * ((c * (y * (0.6666666666666666 - (t * (a + 0.8333333333333334))))) / t))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (c <= 4e+44)
		tmp = 1.0;
	else
		tmp = Float64(x / Float64(x + Float64(y - Float64(2.0 * Float64(Float64(c * Float64(y * Float64(0.6666666666666666 - Float64(t * 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 <= 4e+44)
		tmp = 1.0;
	else
		tmp = x / (x + (y - (2.0 * ((c * (y * (0.6666666666666666 - (t * (a + 0.8333333333333334))))) / t))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[c, 4e+44], 1.0, N[(x / N[(x + N[(y - N[(2.0 * N[(N[(c * N[(y * N[(0.6666666666666666 - N[(t * N[(a + 0.8333333333333334), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision] / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if c < 4.0000000000000004e44

   1. Initial program 95.3%

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

   3. Taylor expanded in b around inf 67.9%

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

      1. associate-*r/ 67.9%

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

      2. metadata-eval 67.9%

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

      3. +-commutative 67.9%

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

   5. Simplified 67.9%

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

   6. Taylor expanded in a around inf 53.1%

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

      1. associate-*r* 53.1%

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

      2. mul-1-neg 53.1%

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

   8. Simplified 53.1%

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

   9. Taylor expanded in a around 0 37.9%

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

       1. *-commutative 37.9%

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

       2. *-commutative 37.9%

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

   11. Simplified 37.9%

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

   12. Taylor expanded in x around inf 57.5%

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

   if 4.0000000000000004e44 < c

   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 c around inf 76.8%

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

      1. +-commutative 76.8%

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

      2. associate-*r/ 76.8%

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

      3. metadata-eval 76.8%

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

   5. Simplified 76.8%

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

   6. Taylor expanded in t around 0 76.8%

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

      1. *-commutative 76.8%

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

      2. distribute-lft-out 76.8%

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

   8. Simplified 76.8%

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

   9. Taylor expanded in c around 0 55.5%

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

4. Final simplification 57.2%

   \[\leadsto \begin{array}{l} \mathbf{if}\;c \leq 4 \cdot 10^{+44}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x + \left(y - 2 \cdot \frac{c \cdot \left(y \cdot \left(0.6666666666666666 - t \cdot \left(a + 0.8333333333333334\right)\right)\right)}{t}\right)}\\ \end{array} \]
5. Add Preprocessing

Alternative 16: 52.2% accurate, 12.8× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;c \leq 5 \cdot 10^{+44}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x - y \cdot \left(-1 - c \cdot \left(a \cdot 2\right)\right)}\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= c 5e+44) 1.0 (/ x (- x (* y (- -1.0 (* c (* a 2.0))))))))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= 5e+44) {
		tmp = 1.0;
	} else {
		tmp = x / (x - (y * (-1.0 - (c * (a * 2.0)))));
	}
	return tmp;
}

Fortran

real(8) function code(x, y, z, t, a, b, c)
    real(8), intent (in) :: x
    real(8), intent (in) :: y
    real(8), intent (in) :: z
    real(8), intent (in) :: t
    real(8), intent (in) :: a
    real(8), intent (in) :: b
    real(8), intent (in) :: c
    real(8) :: tmp
    if (c <= 5d+44) then
        tmp = 1.0d0
    else
        tmp = x / (x - (y * ((-1.0d0) - (c * (a * 2.0d0)))))
    end if
    code = tmp
end function

Java

public static double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (c <= 5e+44) {
		tmp = 1.0;
	} else {
		tmp = x / (x - (y * (-1.0 - (c * (a * 2.0)))));
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if c <= 5e+44:
		tmp = 1.0
	else:
		tmp = x / (x - (y * (-1.0 - (c * (a * 2.0)))))
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (c <= 5e+44)
		tmp = 1.0;
	else
		tmp = Float64(x / Float64(x - Float64(y * Float64(-1.0 - Float64(c * Float64(a * 2.0))))));
	end
	return tmp
end

MATLAB

function tmp_2 = code(x, y, z, t, a, b, c)
	tmp = 0.0;
	if (c <= 5e+44)
		tmp = 1.0;
	else
		tmp = x / (x - (y * (-1.0 - (c * (a * 2.0)))));
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[c, 5e+44], 1.0, N[(x / N[(x - N[(y * N[(-1.0 - N[(c * N[(a * 2.0), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if c < 4.9999999999999996e44

   1. Initial program 95.3%

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

   3. Taylor expanded in b around inf 67.9%

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

      1. associate-*r/ 67.9%

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

      2. metadata-eval 67.9%

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

      3. +-commutative 67.9%

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

   5. Simplified 67.9%

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

   6. Taylor expanded in a around inf 53.1%

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

      1. associate-*r* 53.1%

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

      2. mul-1-neg 53.1%

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

   8. Simplified 53.1%

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

   9. Taylor expanded in a around 0 37.9%

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

       1. *-commutative 37.9%

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

       2. *-commutative 37.9%

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

   11. Simplified 37.9%

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

   12. Taylor expanded in x around inf 57.5%

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

   if 4.9999999999999996e44 < c

   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 c around inf 76.8%

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

      1. +-commutative 76.8%

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

      2. associate-*r/ 76.8%

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

      3. metadata-eval 76.8%

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

   5. Simplified 76.8%

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

   6. Taylor expanded in a around inf 55.3%

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

   7. Taylor expanded in a around 0 55.5%

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

      1. associate-*r* 55.5%

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

      2. *-commutative 55.5%

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

   9. Simplified 55.5%

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

4. Final simplification 57.2%

   \[\leadsto \begin{array}{l} \mathbf{if}\;c \leq 5 \cdot 10^{+44}:\\ \;\;\;\;1\\ \mathbf{else}:\\ \;\;\;\;\frac{x}{x - y \cdot \left(-1 - c \cdot \left(a \cdot 2\right)\right)}\\ \end{array} \]
5. Add Preprocessing

Alternative 17: 49.3% accurate, 14.4× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;a \leq -2.1 \cdot 10^{-174}:\\ \;\;\;\;\frac{x}{x + -1.3333333333333333 \cdot \left(c \cdot \frac{y}{t}\right)}\\ \mathbf{else}:\\ \;\;\;\;1\\ \end{array} \end{array} \]

FPCore

(FPCore (x y z t a b c)
 :precision binary64
 (if (<= a -2.1e-174) (/ x (+ x (* -1.3333333333333333 (* c (/ y t))))) 1.0))

C

double code(double x, double y, double z, double t, double a, double b, double c) {
	double tmp;
	if (a <= -2.1e-174) {
		tmp = x / (x + (-1.3333333333333333 * (c * (y / 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 (a <= (-2.1d-174)) then
        tmp = x / (x + ((-1.3333333333333333d0) * (c * (y / 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 (a <= -2.1e-174) {
		tmp = x / (x + (-1.3333333333333333 * (c * (y / t))));
	} else {
		tmp = 1.0;
	}
	return tmp;
}

Python

def code(x, y, z, t, a, b, c):
	tmp = 0
	if a <= -2.1e-174:
		tmp = x / (x + (-1.3333333333333333 * (c * (y / t))))
	else:
		tmp = 1.0
	return tmp

Julia

function code(x, y, z, t, a, b, c)
	tmp = 0.0
	if (a <= -2.1e-174)
		tmp = Float64(x / Float64(x + Float64(-1.3333333333333333 * Float64(c * Float64(y / 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 (a <= -2.1e-174)
		tmp = x / (x + (-1.3333333333333333 * (c * (y / t))));
	else
		tmp = 1.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[x_, y_, z_, t_, a_, b_, c_] := If[LessEqual[a, -2.1e-174], N[(x / N[(x + N[(-1.3333333333333333 * N[(c * N[(y / t), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], 1.0]

Derivation

1. Split input into 2 regimes

2. if a < -2.1000000000000001e-174

   1. Initial program 100.0%

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

   3. Taylor expanded in t around 0 0.0%

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

   4. Taylor expanded in t around inf 0.0%

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

   5. Taylor expanded in c around inf 52.8%

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

      1. associate-/l* 57.3%

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

   7. Simplified 57.3%

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

   if -2.1000000000000001e-174 < a

   1. Initial program 93.0%

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

   3. Taylor expanded in b around inf 66.4%

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

      1. associate-*r/ 66.4%

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

      2. metadata-eval 66.4%

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

      3. +-commutative 66.4%

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

   5. Simplified 66.4%

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

   6. Taylor expanded in a around inf 52.3%

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

      1. associate-*r* 52.3%

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

      2. mul-1-neg 52.3%

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

   8. Simplified 52.3%

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

   9. Taylor expanded in a around 0 38.3%

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

       1. *-commutative 38.3%

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

       2. *-commutative 38.3%

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

   11. Simplified 38.3%

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

   12. Taylor expanded in x around inf 55.4%

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

Alternative 18: 50.5% 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 94.2%

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

3. Taylor expanded in b around inf 65.6%

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

   1. associate-*r/ 65.6%

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

   2. metadata-eval 65.6%

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

   3. +-commutative 65.6%

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

5. Simplified 65.6%

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

6. Taylor expanded in a around inf 50.5%

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

   1. associate-*r* 50.5%

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

   2. mul-1-neg 50.5%

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

8. Simplified 50.5%

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

9. Taylor expanded in a around 0 38.2%

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

    1. *-commutative 38.2%

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

    2. *-commutative 38.2%

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

11. Simplified 38.2%

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

12. Taylor expanded in x around inf 53.4%

    \[\leadsto \color{blue}{1} \]
13. 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 2024100 
(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)))))))))))