首先是float累加产生误差的原因，该部分转自：http://blog.csdn.net/zhrh0096/article/details/38589067

1. 浮点数IEEE 754表示方法

要搞清楚float累加为什么会产生误差，必须先大致理解float在机器里怎么存储的，具体的表示参考[1] 和 [2]，这里只介绍一下组成

由上图可知(摘在[2])，浮点数由：符号位 + 指数位 + 尾数部分，三部分组成。由于机器中都是由二进制存储的，那么一个10进制的小数如何表示成二进制。例如: 8.25转成二进制为1000.01, 这是因为 1000.01 = 1*2^3 + 0*2^2 + 0*2^1 + 0*2^0 + 0*2^-1 + 2*2^-2 = 1000.01.

（2）float的有效位数是6-7位，这是为什么呢？因为位数部分只有23位，所以最小的精度为1*2^-23 在10^-6和10^-7之间，接近10^-7,[3]中也有解释

那么为什么float累加会产生误差呢，主要原因在于两个浮点数累加的过程。

2. 两个浮点数相加的过程

两浮点数X，Y进行加减运算时，必须按以下几步执行（可参考 [4] 中插图）：
（1）对阶，使两数的小数点位置对齐，小的阶码向大的阶码看齐。
（2）尾数求和，将对阶后的两尾数按定点加减运算规则求和(差)。
（3）规格化，为增加有效数字的位数，提高运算精度，必须将求和(差)后的尾数规格化。
（4）舍入，为提高精度，要考虑尾数右移时丢失的数值位。
（5）判断结果，即判断结果是否溢出。

关键就在与对阶这一步骤，由于float的有效位数只有7位有效数字，如果一个大数和一个小数相加时，会产生很大的误差，因为尾数得截掉好多位。例如：

123 + 0.00023456 = 1.23*10^2 + 0.000002 * 10^2 = 123.0002

那么此时就会产生0.00003456的误差，如果累加多次，则误差就会进一步加大。

解决方式有几种，但都不是最佳方式，参考：http://bbs.csdn.net/topics/390549664

3.解决方法

方法一

Kahan summation算法

https://en.wikipedia.org/wiki/Kahan_summation_algorithm

function KahanSum(input)var sum = 0.0var c = 0.0                 // A running compensation for lost low-order bits.for i = 1 to input.length dovar y = input[i] - c    // So far, so good: c is zero.var t = sum + y         // Alas, sum is big, y small, so low-order digits of y are lost.c = (t - sum) - y       // (t - sum) cancels the high-order part of y; subtracting y recovers negative (low part of y)sum = t                 // Algebraically, c should always be zero. Beware overly-aggressive optimizing compilers!next i                      // Next time around, the lost low part will be added to y in a fresh attempt.return sum

伪代码如上

解决方法就是把多余的误差部分算出来(c)，再在下一次循环减去这个误差

方法二

int main()
{
float f = 0.1;
float sum = 0;
sum+=add(f,4000000);
cout<<sum<<endl;
return 0;
}float add(float f,int count)
{if(count==1)return f;elsereturn add(f,count/2)+add(f,count-count/2);
}

二分法递归计算加法，这样会没有误差，但是函数调用消耗大（尤其是多次）

方法三

使用double，精度更高，但是本来是没有必要用这么高精度的

方法四

ieee浮点数,为了规格化,精度每超过2的整数次幂,精度要下降一位,
你的f是0.1,float位数是23,当sum足够大的时候,会出现 sum+f==sum 的情况,这个是ieee标准,
和C++没关系,事实上编译器应该已经做了浮点精度调整了,你这结果误差算小的了.
避免这种误差的方法就是浮点数,永远不要让一个很大的数去加上一个很小的数.不知你这段代码的目的是

什么,但如果你改成这样,误差会小很多:

float f = 0.1;
float sum = 0;
for( i=0; i<100; i++)
{
int sumEachBig=0;
for(....k<400....)
{
int sumEachSmall=0;
for(....j<100.....)sumEachSmall += f;sumEachBig+=sumEachSmall;}sum += sumEachBig;}

来自manzi11的回答。多次用多次循环，小循环的计算结果加上大循环的运算结果

by wolf96 2017/7/10

浮点数float累加误差解决方式总结相关推荐

浮点数在计算机中存储方式float，double）---转
C语言和C#语言中,对于浮点类型的数据采用单精度类型(float)和双精度类型(double)来存储,float数据占用32bit,double数据占用64bit,我们在声明一个变量float f= ...
22.25在计算机中如何储存,浮点数在计算机中存储方式
C语言和C#语言中,对于浮点类型的数据采用单精度类型(float)和双精度类型(double)来存储,float数据占用32bit,double数据占用64bit,我们在声明一个变量float f= ...
python 浮点数精度丢失_javascript解决小数的加减乘除精度丢失的方案
原因:js按照2进制来处理小数的加减乘除,在arg1的基础上将arg2的精度进行扩展或逆扩展匹配,所以会出现如下情况. javascript(js)的小数点加减乘除问题,是一个js的bug如0.3* ...
java浮点数误差_浮点数运算的误差
浮点数运算的误差在 JavaScript 中整数和浮点数都属于number 数据类型,所有数字都是使用64位浮点数形式储存,遵循IEEE-754双精度标准存储,即便整数也是如此. 所以我们在打印 1 ...
c语言对浮点数的处理默认是double吗,C语言中浮点数float和double输出的问题
C语言中浮点数float和double输出的问题关注:260 答案:6 信息版本:手机版解决时间 2019-01-12 07:33 斑駁影 2019-01-11 09:20 #includev ...
常见浏览器兼容性问题与解决方式
所谓的浏览器兼容性问题,是指由于不同的浏览器对同一段代码有不同的解析,造成页面显示效果不统一的情况.在大多数情况下,我们的需求是,不管用户用什么浏览器来查看我们的站点或者登陆我们的系统,都应该是统一的 ...
【MyBatis】sql列名与实体类属性名不同的解决方式
sql列名与Java实体类属性名不同的解决方式例如: 数据库 CREATE TABLE orders(order_id INT PRIMARY KEY AUTO_INCREMENT,order_no ...
CSM中一些常见问题的解决方式
CSM中一些常见问题的解决方式抖动摄像机在每帧移动或者旋转时,会产生较严重的抖动问题.抖动我们可以分为平移抖动和缩放抖动. 平移抖动: 我们在平移摄像机时会产生的抖动: 我们关闭PCF,并减小深度 ...
优雅的嵌套滑动解决方式-NestedScroll
优雅的嵌套滑动解决方式-NestedScroll 嵌套滑动相信大家一定经常遇到,最烦人的就是我们有两层view,它们都能在同一个方向上滑动,这时候滑动的判断就是个头疼的问题.不过这也还好说,毕竟只要根 ...
深入理解C++浮点数(float、double)类型数据比较、相等判断
深入理解C++浮点数(float.double)类型数据比较.相等判断浮点数在内存中的存储机制和整型数不同,其有舍入误差,在计算机中用近似表示任意某个实数.具体的说,这个实数由一个整数或定点数(即尾 ...

浮点数float累加误差解决方式总结

1. 浮点数IEEE 754表示方法

2. 两个浮点数相加的过程

3.解决方法

方法一

方法二

方法三

方法四

浮点数float累加误差解决方式总结相关推荐

最新文章

热门文章