FastMath dist3

Percentage Accurate: 97.8% → 100.0%

Time: 5.6s

Alternatives: 6

Speedup: 1.9×

• 20.9% of points produce a very large (infinite) output. You may want to add a precondition.

Specification

Math

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

FPCore

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

C

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

Fortran

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

Java

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

Python

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

Julia

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

MATLAB

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

Wolfram

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

Initial Program: 97.8% accurate, 1.0× speedup

Math

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

FPCore

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

C

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

Fortran

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

Java

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

Python

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

Julia

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

MATLAB

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

Wolfram

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

Alternative 1: 100.0% accurate, 1.9× speedup

Math

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

FPCore

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

C

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

Fortran

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

Java

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

Python

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

Julia

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

MATLAB

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

Wolfram

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

Derivation

1. Initial program 97.6%

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

   1. cancel-sign-sub 97.6%

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

   2. +-commutative 97.6%

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

   3. *-commutative 97.6%

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

   4. distribute-lft-out 100.0%

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

   5. distribute-lft-neg-out 100.0%

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

   6. distribute-rgt-neg-in 100.0%

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

   7. distribute-lft-out-- 100.0%

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

   8. associate-+r+ 100.0%

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

   9. +-commutative 100.0%

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

   10. associate--l+ 100.0%

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

   11. sub-neg 100.0%

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

   12. metadata-eval 100.0%

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

   13. metadata-eval 100.0%

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

   14. associate-+l+ 100.0%

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

   15. metadata-eval 100.0%

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

3. Simplified 100.0%

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

Alternative 2: 63.7% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d2 \leq -54 \lor \neg \left(d2 \leq 36\right):\\ \;\;\;\;d1 \cdot d2\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot 37\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3)
 :precision binary64
 (if (or (<= d2 -54.0) (not (<= d2 36.0))) (* d1 d2) (* d1 37.0)))

C

double code(double d1, double d2, double d3) {
	double tmp;
	if ((d2 <= -54.0) || !(d2 <= 36.0)) {
		tmp = d1 * d2;
	} else {
		tmp = d1 * 37.0;
	}
	return tmp;
}

Fortran

real(8) function code(d1, d2, d3)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8) :: tmp
    if ((d2 <= (-54.0d0)) .or. (.not. (d2 <= 36.0d0))) then
        tmp = d1 * d2
    else
        tmp = d1 * 37.0d0
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3) {
	double tmp;
	if ((d2 <= -54.0) || !(d2 <= 36.0)) {
		tmp = d1 * d2;
	} else {
		tmp = d1 * 37.0;
	}
	return tmp;
}

Python

def code(d1, d2, d3):
	tmp = 0
	if (d2 <= -54.0) or not (d2 <= 36.0):
		tmp = d1 * d2
	else:
		tmp = d1 * 37.0
	return tmp

Julia

function code(d1, d2, d3)
	tmp = 0.0
	if ((d2 <= -54.0) || !(d2 <= 36.0))
		tmp = Float64(d1 * d2);
	else
		tmp = Float64(d1 * 37.0);
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3)
	tmp = 0.0;
	if ((d2 <= -54.0) || ~((d2 <= 36.0)))
		tmp = d1 * d2;
	else
		tmp = d1 * 37.0;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_] := If[Or[LessEqual[d2, -54.0], N[Not[LessEqual[d2, 36.0]], $MachinePrecision]], N[(d1 * d2), $MachinePrecision], N[(d1 * 37.0), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if d2 < -54 or 36 < d2

   1. Initial program 95.5%

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

      1. cancel-sign-sub 95.5%

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

      2. +-commutative 95.5%

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

      3. *-commutative 95.5%

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

      4. distribute-lft-out 100.0%

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

      5. distribute-lft-neg-out 100.0%

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

      6. distribute-rgt-neg-in 100.0%

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

      7. distribute-lft-out-- 100.0%

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

      8. associate-+r+ 100.0%

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

      9. +-commutative 100.0%

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

      10. associate--l+ 100.0%

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

      11. sub-neg 100.0%

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

      12. metadata-eval 100.0%

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

      13. metadata-eval 100.0%

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

      14. associate-+l+ 100.0%

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

      15. metadata-eval 100.0%

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

   3. Simplified 100.0%

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

   5. Taylor expanded in d2 around inf 80.2%

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

   if -54 < d2 < 36

   1. Initial program 99.9%

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

   3. Taylor expanded in d3 around 0 53.7%

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

      1. associate-+r+ 53.7%

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

      2. distribute-rgt-out 53.7%

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

      3. metadata-eval 53.7%

         \[\leadsto d1 \cdot \color{blue}{37} + d1 \cdot d2 \]

      4. +-commutative 53.7%

         \[\leadsto \color{blue}{d1 \cdot d2 + d1 \cdot 37} \]

      5. distribute-lft-in 53.7%

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

   5. Simplified 53.7%

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

   6. Taylor expanded in d2 around 0 51.6%

      \[\leadsto \color{blue}{37 \cdot d1} \]
   7. Step-by-step derivation

      1. *-commutative 51.6%

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

   8. Simplified 51.6%

      \[\leadsto \color{blue}{d1 \cdot 37} \]
3. Recombined 2 regimes into one program.

4. Final simplification 66.6%

   \[\leadsto \begin{array}{l} \mathbf{if}\;d2 \leq -54 \lor \neg \left(d2 \leq 36\right):\\ \;\;\;\;d1 \cdot d2\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot 37\\ \end{array} \]
5. Add Preprocessing

Alternative 3: 51.3% accurate, 1.0× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d2 \leq -54:\\ \;\;\;\;d1 \cdot d2\\ \mathbf{elif}\;d2 \leq -6.5 \cdot 10^{-255}:\\ \;\;\;\;d1 \cdot 37\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot d3\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3)
 :precision binary64
 (if (<= d2 -54.0) (* d1 d2) (if (<= d2 -6.5e-255) (* d1 37.0) (* d1 d3))))

C

double code(double d1, double d2, double d3) {
	double tmp;
	if (d2 <= -54.0) {
		tmp = d1 * d2;
	} else if (d2 <= -6.5e-255) {
		tmp = d1 * 37.0;
	} else {
		tmp = d1 * d3;
	}
	return tmp;
}

Fortran

real(8) function code(d1, d2, d3)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8) :: tmp
    if (d2 <= (-54.0d0)) then
        tmp = d1 * d2
    else if (d2 <= (-6.5d-255)) then
        tmp = d1 * 37.0d0
    else
        tmp = d1 * d3
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3) {
	double tmp;
	if (d2 <= -54.0) {
		tmp = d1 * d2;
	} else if (d2 <= -6.5e-255) {
		tmp = d1 * 37.0;
	} else {
		tmp = d1 * d3;
	}
	return tmp;
}

Python

def code(d1, d2, d3):
	tmp = 0
	if d2 <= -54.0:
		tmp = d1 * d2
	elif d2 <= -6.5e-255:
		tmp = d1 * 37.0
	else:
		tmp = d1 * d3
	return tmp

Julia

function code(d1, d2, d3)
	tmp = 0.0
	if (d2 <= -54.0)
		tmp = Float64(d1 * d2);
	elseif (d2 <= -6.5e-255)
		tmp = Float64(d1 * 37.0);
	else
		tmp = Float64(d1 * d3);
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3)
	tmp = 0.0;
	if (d2 <= -54.0)
		tmp = d1 * d2;
	elseif (d2 <= -6.5e-255)
		tmp = d1 * 37.0;
	else
		tmp = d1 * d3;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_] := If[LessEqual[d2, -54.0], N[(d1 * d2), $MachinePrecision], If[LessEqual[d2, -6.5e-255], N[(d1 * 37.0), $MachinePrecision], N[(d1 * d3), $MachinePrecision]]]

Derivation

1. Split input into 3 regimes

2. if d2 < -54

   1. Initial program 91.5%

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

      1. cancel-sign-sub 91.5%

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

      2. +-commutative 91.5%

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

      3. *-commutative 91.5%

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

      4. distribute-lft-out 100.0%

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

      5. distribute-lft-neg-out 100.0%

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

      6. distribute-rgt-neg-in 100.0%

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

      7. distribute-lft-out-- 100.0%

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

      8. associate-+r+ 100.0%

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

      9. +-commutative 100.0%

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

      10. associate--l+ 100.0%

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

      11. sub-neg 100.0%

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

      12. metadata-eval 100.0%

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

      13. metadata-eval 100.0%

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

      14. associate-+l+ 100.0%

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

      15. metadata-eval 100.0%

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

   3. Simplified 100.0%

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

   5. Taylor expanded in d2 around inf 80.6%

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

   if -54 < d2 < -6.5e-255

   1. Initial program 99.9%

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

   3. Taylor expanded in d3 around 0 55.6%

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

      1. associate-+r+ 55.6%

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

      2. distribute-rgt-out 55.6%

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

      3. metadata-eval 55.6%

         \[\leadsto d1 \cdot \color{blue}{37} + d1 \cdot d2 \]

      4. +-commutative 55.6%

         \[\leadsto \color{blue}{d1 \cdot d2 + d1 \cdot 37} \]

      5. distribute-lft-in 55.6%

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

   5. Simplified 55.6%

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

   6. Taylor expanded in d2 around 0 52.6%

      \[\leadsto \color{blue}{37 \cdot d1} \]
   7. Step-by-step derivation

      1. *-commutative 52.6%

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

   8. Simplified 52.6%

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

   if -6.5e-255 < d2

   1. Initial program 99.2%

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

      1. cancel-sign-sub 99.2%

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

      2. +-commutative 99.2%

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

      3. *-commutative 99.2%

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

      4. distribute-lft-out 99.9%

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

      5. distribute-lft-neg-out 99.9%

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

      6. distribute-rgt-neg-in 99.9%

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

      7. distribute-lft-out-- 100.0%

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

      8. associate-+r+ 100.0%

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

      9. +-commutative 100.0%

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

      10. associate--l+ 100.0%

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

      11. sub-neg 100.0%

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

      12. metadata-eval 100.0%

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

      13. metadata-eval 100.0%

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

      14. associate-+l+ 100.0%

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

      15. metadata-eval 100.0%

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

   3. Simplified 100.0%

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

   5. Taylor expanded in d3 around inf 39.1%

      \[\leadsto d1 \cdot \color{blue}{d3} \]
3. Recombined 3 regimes into one program.
4. Add Preprocessing

Alternative 4: 76.4% accurate, 1.3× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d2 \leq -5.6 \cdot 10^{-9}:\\ \;\;\;\;d1 \cdot \left(d2 + 37\right)\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot \left(d3 + 37\right)\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3)
 :precision binary64
 (if (<= d2 -5.6e-9) (* d1 (+ d2 37.0)) (* d1 (+ d3 37.0))))

C

double code(double d1, double d2, double d3) {
	double tmp;
	if (d2 <= -5.6e-9) {
		tmp = d1 * (d2 + 37.0);
	} else {
		tmp = d1 * (d3 + 37.0);
	}
	return tmp;
}

Fortran

real(8) function code(d1, d2, d3)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8) :: tmp
    if (d2 <= (-5.6d-9)) then
        tmp = d1 * (d2 + 37.0d0)
    else
        tmp = d1 * (d3 + 37.0d0)
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3) {
	double tmp;
	if (d2 <= -5.6e-9) {
		tmp = d1 * (d2 + 37.0);
	} else {
		tmp = d1 * (d3 + 37.0);
	}
	return tmp;
}

Python

def code(d1, d2, d3):
	tmp = 0
	if d2 <= -5.6e-9:
		tmp = d1 * (d2 + 37.0)
	else:
		tmp = d1 * (d3 + 37.0)
	return tmp

Julia

function code(d1, d2, d3)
	tmp = 0.0
	if (d2 <= -5.6e-9)
		tmp = Float64(d1 * Float64(d2 + 37.0));
	else
		tmp = Float64(d1 * Float64(d3 + 37.0));
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3)
	tmp = 0.0;
	if (d2 <= -5.6e-9)
		tmp = d1 * (d2 + 37.0);
	else
		tmp = d1 * (d3 + 37.0);
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_] := If[LessEqual[d2, -5.6e-9], N[(d1 * N[(d2 + 37.0), $MachinePrecision]), $MachinePrecision], N[(d1 * N[(d3 + 37.0), $MachinePrecision]), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if d2 < -5.59999999999999969e-9

   1. Initial program 91.9%

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

   3. Taylor expanded in d3 around 0 82.7%

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

      1. associate-+r+ 82.7%

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

      2. distribute-rgt-out 82.7%

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

      3. metadata-eval 82.7%

         \[\leadsto d1 \cdot \color{blue}{37} + d1 \cdot d2 \]

      4. +-commutative 82.7%

         \[\leadsto \color{blue}{d1 \cdot d2 + d1 \cdot 37} \]

      5. distribute-lft-in 82.7%

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

   5. Simplified 82.7%

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

   if -5.59999999999999969e-9 < d2

   1. Initial program 99.4%

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

   3. Taylor expanded in d2 around 0 72.6%

      \[\leadsto \color{blue}{32 \cdot d1 + d1 \cdot \left(5 + d3\right)} \]
   4. Step-by-step derivation

      1. *-commutative 72.6%

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

      2. +-commutative 72.6%

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

      3. distribute-lft-in 72.6%

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

      4. +-commutative 72.6%

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

      5. associate-+l+ 72.6%

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

      6. metadata-eval 72.6%

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

   5. Simplified 72.6%

      \[\leadsto \color{blue}{d1 \cdot \left(d3 + 37\right)} \]
3. Recombined 2 regimes into one program.
4. Add Preprocessing

Alternative 5: 76.2% accurate, 1.3× speedup

Math

\[\begin{array}{l} \\ \begin{array}{l} \mathbf{if}\;d3 \leq 7.2 \cdot 10^{+14}:\\ \;\;\;\;d1 \cdot \left(d2 + 37\right)\\ \mathbf{else}:\\ \;\;\;\;d1 \cdot d3\\ \end{array} \end{array} \]

FPCore

(FPCore (d1 d2 d3)
 :precision binary64
 (if (<= d3 7.2e+14) (* d1 (+ d2 37.0)) (* d1 d3)))

C

double code(double d1, double d2, double d3) {
	double tmp;
	if (d3 <= 7.2e+14) {
		tmp = d1 * (d2 + 37.0);
	} else {
		tmp = d1 * d3;
	}
	return tmp;
}

Fortran

real(8) function code(d1, d2, d3)
    real(8), intent (in) :: d1
    real(8), intent (in) :: d2
    real(8), intent (in) :: d3
    real(8) :: tmp
    if (d3 <= 7.2d+14) then
        tmp = d1 * (d2 + 37.0d0)
    else
        tmp = d1 * d3
    end if
    code = tmp
end function

Java

public static double code(double d1, double d2, double d3) {
	double tmp;
	if (d3 <= 7.2e+14) {
		tmp = d1 * (d2 + 37.0);
	} else {
		tmp = d1 * d3;
	}
	return tmp;
}

Python

def code(d1, d2, d3):
	tmp = 0
	if d3 <= 7.2e+14:
		tmp = d1 * (d2 + 37.0)
	else:
		tmp = d1 * d3
	return tmp

Julia

function code(d1, d2, d3)
	tmp = 0.0
	if (d3 <= 7.2e+14)
		tmp = Float64(d1 * Float64(d2 + 37.0));
	else
		tmp = Float64(d1 * d3);
	end
	return tmp
end

MATLAB

function tmp_2 = code(d1, d2, d3)
	tmp = 0.0;
	if (d3 <= 7.2e+14)
		tmp = d1 * (d2 + 37.0);
	else
		tmp = d1 * d3;
	end
	tmp_2 = tmp;
end

Wolfram

code[d1_, d2_, d3_] := If[LessEqual[d3, 7.2e+14], N[(d1 * N[(d2 + 37.0), $MachinePrecision]), $MachinePrecision], N[(d1 * d3), $MachinePrecision]]

Derivation

1. Split input into 2 regimes

2. if d3 < 7.2e14

   1. Initial program 99.4%

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

   3. Taylor expanded in d3 around 0 75.3%

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

      1. associate-+r+ 75.3%

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

      2. distribute-rgt-out 75.3%

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

      3. metadata-eval 75.3%

         \[\leadsto d1 \cdot \color{blue}{37} + d1 \cdot d2 \]

      4. +-commutative 75.3%

         \[\leadsto \color{blue}{d1 \cdot d2 + d1 \cdot 37} \]

      5. distribute-lft-in 75.3%

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

   5. Simplified 75.3%

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

   if 7.2e14 < d3

   1. Initial program 91.9%

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

      1. cancel-sign-sub 91.9%

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

      2. +-commutative 91.9%

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

      3. *-commutative 91.9%

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

      4. distribute-lft-out 100.0%

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

      5. distribute-lft-neg-out 100.0%

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

      6. distribute-rgt-neg-in 100.0%

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

      7. distribute-lft-out-- 100.0%

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

      8. associate-+r+ 100.0%

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

      9. +-commutative 100.0%

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

      10. associate--l+ 100.0%

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

      11. sub-neg 100.0%

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

      12. metadata-eval 100.0%

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

      13. metadata-eval 100.0%

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

      14. associate-+l+ 100.0%

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

      15. metadata-eval 100.0%

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

   3. Simplified 100.0%

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

   5. Taylor expanded in d3 around inf 70.5%

      \[\leadsto d1 \cdot \color{blue}{d3} \]
3. Recombined 2 regimes into one program.
4. Add Preprocessing

Alternative 6: 27.4% accurate, 4.3× speedup

Math

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

FPCore

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

C

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

Fortran

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

Java

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

Python

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

Julia

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

MATLAB

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

Wolfram

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

Derivation

1. Initial program 97.6%

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

3. Taylor expanded in d3 around 0 67.9%

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

   1. associate-+r+ 67.9%

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

   2. distribute-rgt-out 67.9%

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

   3. metadata-eval 67.9%

      \[\leadsto d1 \cdot \color{blue}{37} + d1 \cdot d2 \]

   4. +-commutative 67.9%

      \[\leadsto \color{blue}{d1 \cdot d2 + d1 \cdot 37} \]

   5. distribute-lft-in 68.0%

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

5. Simplified 68.0%

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

6. Taylor expanded in d2 around 0 26.4%

   \[\leadsto \color{blue}{37 \cdot d1} \]
7. Step-by-step derivation

   1. *-commutative 26.4%

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

8. Simplified 26.4%

   \[\leadsto \color{blue}{d1 \cdot 37} \]
9. Add Preprocessing

Developer target: 100.0% accurate, 1.9× speedup

Math

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

FPCore

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

C

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

Fortran

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

Java

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

Python

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

Julia

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

MATLAB

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

Wolfram

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

Reproduce

herbie shell --seed 2024111 
(FPCore (d1 d2 d3)
  :name "FastMath dist3"
  :precision binary64

  :alt
  (* d1 (+ (+ 37.0 d3) d2))

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