实验4-浮点数精度实验

example1

用C语言编程：float x, y, z;使得x= 1.5×10^38^ ; y=1.5×10^38^ ; z=1.0; 计算(x + y)+z 与 x+(y + z) 的值分别是多少，两者是否相等？分析结果产生原因。

#include <stdio.h>
int main()
{
	float x, y, z;
	x = -1.5e38;
	y = 1.5e38;
	z = 1.0;
	printf("(x+y)+z=%f\n",(x+y)+z);
	printf("x+(y+z)=%f\n",x+(y+z));
	return 0;
}

不相等。分析如下： (x＋y）＋z 先计算x+y即-1.5×1038+1.5×1038，此时x与y已对阶成功，计算结果为0.0，再计算0.0+1.0,结果得到1.0； x＋（y＋z） 先计算y+z，计算时要进行对阶操作，由于float机器码长度有限，根据IEEE754标准，单精度浮点数有最多24个有效数字，在对阶过程中要使得z的阶码与相同，则其尾数会被截断，这样实际参与运算的z被处理成0，自然这一步的计算结果就是1.5×1038；也就是说由于y与z大小差异很大，出现了大数吃小数的现象；再计算x与1.5×1038的和，对阶成功，结果为0。

example2

用C语言编程实现：简单累加 50 万个 0.1 的操作，查看结果是否等于 50000 。如果不等，分析结果产生原因。

#include <stdio.h>
int main()
{
	float a = 0.1;
	float sum = 0;
	for(int i=0; i<500000; i++)
		sum += a;
	printf("%f\n",sum);
	return 0;
}

发现50万个0.1相加的结果不是50000，而是50177.097656，产生较大的误差！原因分析如下： ① 10进制的0.1没有精确的二进制表示，只能取近似，因此在累加过程中0.1机器码与真值的误差会逐步累积 ② 累加次数多，随着加法的进行，第一个加数逐渐增大至与第二个加数0.1相差较大时，会出现对阶时有效位数不足的情况，就产生类似于实验任务1的情况。

example3

- 采用`Kahan累加算法`（降低浮点数累加误差）实现 50 万个0.1 累加，查看运行结果。 - Kahan算法主要思想：计算出每次累加所带来的舍入误差，并将其添加在下一次的加数上。

#include<stdio.h>
int main()
{
	float a=0.1, sum=0,t,c=0,y;
	for(int i=1; i<=500000;i++)
	{
		y = a-c;
		t = sum+y;
		c=(t-sum)-y;
		sum=t;
	}
	printf("%f\n",sum);
	return 0;
}