浮点数为何做不到精确计算？

1 浮点数为何做不到精确计算？

众所周知，Java中的浮点数在进行四则运算时，大概率是得不到一个精确值的，只能得到一个十分接近精确值的近似值，为什么会出现这种情况呢？接下来就让我们来探讨一下这个问题吧。

2 浮点数的存储规则

我们都知道，计算机中存储的都是二进制数，浮点数也不例外。那么浮点数是如何存储的呢？根据IEEE（电子和电气工程师协会）规定，任意一个浮点数N都可以用如下科学计数法表示：$$N=(-1{)}^S\ast M\ast 2^E$$
其中，

• 符号（sign）：S决定正数（S=0）还是负数（S=1）;
• 有效数字（significant）：M是一个二进制小数，它的范围是1≤M<2;
• 阶码（exponent）：E表示指数（可能是负数）。

举例来说，十进制的3.0，写成二进制是11.0，也就是$1.1\ast 2^1$，按照上面的格式，可以得到S=0，M=1.1，E=1。
IEEE754规定，对于32位的浮点数，最高的1位是符号位S，接着的8位是指数E，剩下的23位为有效数字M，如下图所示：

对于64位的浮点数，最高的1位是符号位S，接着的11位是指数E，剩下的52位位有效数字M，如下图所示：

除此之外，IEEE754对于有效数字M和指数E还有一些特别规定：

1. 前面说过，1≤M<2，也就是说，M可以写成1.xxxxxx的形式，其中xxxxxx表示小数部分。IEEE754规定，在计算机内部保存M时，默认这个数的第一位总是1，因此可以被舍去，只保存后面的xxxxxx部分。比如保存1.01的时候，只保存01，等到读取的时候，再把第一位的1加上去。这样做的目的，是节省1位有效数字。以32位浮点数为例，留给M只有23位，将第一位的1舍去以后，等于可以保存24位有效数字。
2. 至于指数E，情况就比较复杂。首先，E为一个无符号整数（unsigned int）。这意味着，如果E为8位，它的取值范围为0_{255；如果E为11位，它的取值范围为0}2047。但是，我们知道，科学计数法中的E是可以出现负数的，所以IEEE754规定，E的真实值必须再减去一个中间数，对于8位的E，这个中间数是127；对于11位的E，这个中间数是1023。比如，$2^{10}$的E是10，所以保存成32位浮点数时，必须保存成10+127=137，即10001001。
3. 然后，指数E还可以再分成三种情况：
   1. E不全为0或不全为1。这时，浮点数就采用上面的规则表示，即指数E的计算值减去127（或1023），得到真实值，再将有效数字M前加上第一位的1。
   2. E全为0。这时，浮点数的指数E等于1-127（或者1-1023），有效数字M不再加上第一位的1，而是还原为0.xxxxxx的小数。这样做是为了表示±0，以及接近于0的很小的数字。
   3. E全为1。这时，如果有效数字M全为0，表示±无穷大（正负取决于符号位s）；如果有效数字M不全为0，表示这个数不是一个数（NaN）。

而Java是完全按照IEEE754存储浮点数的，我们可以通过如下代码查看浮点数对应的二进制数

System.out.println(Integer.toBinaryString(Float.floatToIntBits(0.05f))); 

可以看到控制台出现111101010011001100110011001101这串二进制数，将它补齐到32位再按照IEEE754规定进行拆分，得到S=0，E=01111010，对应10进制的122，122-127得到E的真实值为-5，M=10011001100110011001101，给它补上第一位的1得到M=1.10011001100110011001101，然后再右移5位得到0000110011001100110011001101。接下来我们手动将十进制的0.05转成二进制，如下图所示：

可以看到十进制的0.05转成二进制后是一串无限循环数0000110011…，对比之前得到的那串可以看出Java是简单的将后续部分的二进制数舍去了。

3 浮点数的加减运算

Java中的浮点计算底层是如何进行的呢？我们来看一个例子：

System.out.println(0.05f + 0.01f);

可以看到控制台打印出了0.060000002，为什么会得到这个数字呢？我们需要知道，浮点数的加减运算一般由以下五个步骤完成：对阶、尾数运算、规格化、舍入处理、溢出判断。

3.1 对阶

所谓对阶是指将两个进行运算的浮点数的阶码对齐的操作。对阶的目的是为使两个浮点数的尾数能够进行加减运算。因为，当进行$M_x\ast 2^{E_x}$与$M_y\ast 2^{E_y}$加减运算时，只有使两浮点数的指数值部分相同，才能将相同的指数值作为公因数提出来，然后进行尾数的加减运算。对阶的具体方法是：首先求出两浮点数阶码的差，即$⊿E＝E_x-E_y$，将小阶码加上⊿E，使之与大阶码相等，同时将小阶码对应的浮点数的尾数右移相应位数，以保证该浮点数的值不变。几点注意：
（1）对阶的原则是小阶对大阶，之所以这样做是因为若大阶对小阶，则尾数的数值部分的高位需移出，而小阶对大阶移出的是尾数的数值部分的低位，这样损失的精度更小。
（2）若⊿E＝0，说明两浮点数的阶码已经相同，无需再做对阶操作了。
（3）采用补码表示的尾数右移时，符号位保持不变。
（4）由于尾数右移时是将最低位移出，会损失一定的精度，为减少误差，可先保留若干移出的位，供以后舍入处理用。

3.2 尾数运算

尾数运算就是进行完成对阶后的尾数相加减。这里采用的就是我们前面讲过的纯小数的定点数加减运算。

3.3 结果规格化

在机器中，为保证浮点数表示的唯一性，浮点数在机器中都是以规格化形式存储的。对于IEEE754标准的浮点数来说，就是尾数必须是1.M的形式。由于在进行上述两个定点小数的尾数相加减运算后，尾数有可能是非规格化形式，为此必须进行规格化操作。
规格化操作包括左规和右规两种情况。
左规操作：将尾数左移，同时阶码减值，直至尾数成为1.M的形式。例如，浮点数$0.0011\ast 2^5$是非规格化的形式，需进行左规操作，将其尾数左移3位，同时阶码减3，就变成$1.1100\ast 2^2$规格化形式了。
右规操作：将尾数右移1位，同时阶码增1，便成为规格化的形式了。要注意的是，右规操作只需将尾数右移一位即可，这种情况出现在尾数的最高位（小数点前一位）运算时出现了进位，使尾数成为10.xxxx或11.xxxx的形式。例如，$10.0011\ast 2^5$右规一位后便成为$1.00011\ast 2^6$的规格化形式了。

3.4 舍入处理

浮点运算在对阶或右规时，尾数需要右移，被右移出去的位会被丢掉，从而造成运算结果精度的损失。为了减少这种精度损失，可以将一定位数的移出位先保留起来，称为保护位，在规格化后用于舍入处理。
IEEE754标准列出了四种可选的舍入处理方法：
（1）就近舍入（round to nearest）这是标准列出的默认舍入方式，其含义相当于我们日常所说的“四舍五入”。例如，对于32位单精度浮点数来说，若超出可保存的23位的多余位大于等于100…01，则多余位的值超过了最低可表示位值的一半，这种情况下，舍入的方法是在尾数的最低有效位上加1；若多余位小于等于011…11，则直接舍去；若多余位为100…00，此时再判断尾数的最低有效位的值，若为0则直接舍去，若为1则再加1。
（2）朝+∞舍入（round toward +∞）对正数来说，只要多余位不为全0，则向尾数最低有效位进1；对负数来说，则是简单地舍去。
（3）朝-∞舍入（round toward -∞）与朝+∞舍入方法正好相反，对正数来说，只是简单地舍去；对负数来说，只要多余位不为全0，则向尾数最低有效位进1。
（4）朝0舍入（round toward 0）
即简单地截断舍去，而不管多余位是什么值。这种方法实现简单，但容易形成累积误差，且舍入处理后的值总是向下偏差。

3.5 溢出判断

与定点数运算不同的是，浮点数的溢出是以其运算结果的阶码的值是否产生溢出来判断的。若阶码的值超过了阶码所能表示的最大正数，则为上溢，进一步，若此时浮点数为正数，则为正上溢，记为+∞，若浮点数为负数，则为负上溢，记为-∞；若阶码的值超过了阶码所能表示的最小负数，则为下溢，进一步，若此时浮点数为正数，则为正下溢，若浮点数为负数，则为负下溢。正下溢和负下溢都作为0处理。
要注意的是，浮点数的表示范围和补码表示的定点数的表示范围是有所不同的，定点数的表示范围是连续的，而浮点数的表示范围可能是不连续的。

3.6 解决疑问

知道了这些，对于0.05f + 0.01f=0.060000002f，我们可以得到整个计算过程如下：
float a=0.05;b=0.01;
$a=(0.05{)}_{10}=(00111101010011001100110011001101{)}_2$ $S_a=0$ $E_a=01111010$ $M_a=1.10011001100110011001101$
$b=(0.01{)}_{10}=(00111100001000111101011100001010{)}_2$ $S_b=0$ $E_b=01111000$ $M_b=1.01000111101011100001010$
a+b=?
第一步：对阶
∵ $E_b<E_a$ $E_a-E_b=2$
∴ $M_b$要调整为0.01010 0011 1101 0111 0000 10 10
E=011 1101 0
第二步：尾数运算
     1.100 1100 1100 1100 1100 1101
+ 0.010 1000 1111 0101 1100 0010
     1.111 0101 1100 0010 1000 1111
第三步：规格化
1.111 0101 1100 0010 1000 1111‬已经是个规格化数据了
第四步：舍入处理
由于在对阶时，$M_b$有右移，保护位为10，按照上述规则，尾数的最低有效位加1，得到1.111 0101 1100 0010 1001 0000
第五步：溢出判断
没有溢出，阶码不调整，所以最后的结果为
a+b=(0 01111010 11101011100001010010000)${}_2$=(0 011 1101 0111 0101 1100 0010 1001 0000)${}_2$=(0.0600000022)${}_{10}$

参考：
计算机中浮点数的二进制表示
浮点数的运算步骤
float存储方式