在浮点数比较时使用容差范围,而不是直接比较两个数值是否完全相等

本文主要是介绍在浮点数比较时使用容差范围,而不是直接比较两个数值是否完全相等,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

浮点数运算可能会引入微小的误差,这是由计算机在表示和处理浮点数时所使用的有限精度所导致的。为了理解这一点,以下是一些关键原因:

1. 浮点数的有限精度:

  • 二进制表示:浮点数在计算机中是以二进制的形式存储的。然而,并不是所有的十进制小数都能被精确地转换为二进制小数。例如,像 0.1 这样的十进制数在二进制中不能被精确表示,而是以一个近似值存储。这就会引入一些舍入误差。
  • 有限位数:浮点数在计算机中有固定的位数(位宽),通常是32位或64位。这意味着浮点数只能表示一定精度的数字。当一个数字需要的精度超出计算机能够表示的范围时,它会被舍入到最接近的可表示值。

2. 舍入误差:

  • 舍入误差的累积:在浮点数运算中,每一步计算可能都会引入微小的舍入误差。这些误差在多次计算后会累积,导致最终结果与理论值有微小的差异。例如,当你执行一系列加法、乘法、或其他运算时,结果可能会比预期的稍大或稍小。
  • 运算顺序的影响:由于浮点运算的非结合性(即 (a + b) + c 不一定等于 a + (b + c)),不同的运算顺序可能导致不同的舍入误差,最终影响计算结果。

3. 不可避免的误差:

  • 不可避免的误差:由于浮点数表示的限制,某些计算无法得到精确的结果。例如,在循环中不断累加一个小数值可能会导致累加结果出现误差,因为每次累加都会有一个微小的舍入误差,这个误差最终会显现出来。

4. 直接比较的问题:

  • 比较误差:由于上述原因,直接比较两个浮点数是否相等(即使用 == 运算符)可能会导致不正确的结果。如果两个浮点数本质上是相等的,但由于微小的舍入误差,它们的二进制表示可能略有不同,结果比较时可能得出它们不相等的结论。
  • 使用容差:为了避免这种问题,通常会使用一个小的容差值来判断两个浮点数是否“足够接近”,即检查它们的差异是否在允许的误差范围内。例如,如果两个浮点数的差值小于 1e-10,就可以认为它们是相等的。

示例:

考虑以下代码:

a = 0.1 + 0.2;
b = 0.3;isEqual = (a == b);  % 直接比较,可能不准确
difference = abs(a - b) < 1e-10;  % 使用容差比较

在理论上,ab 应该是相等的,因为 0.1 + 0.2 应该等于 0.3。然而,由于浮点数表示的精度限制,a 的值可能略微偏离 0.3,导致 isEqual 可能为 false。但使用容差比较可以避免这个问题,difference 可能会为 true,表示两个值在容差范围内是相等的。

总结:

浮点数运算中的误差是计算机表示方式和运算精度的限制所导致的。为了避免误差导致的比较错误,建议在浮点数比较时使用容差范围,而不是直接比较两个数值是否完全相等。

这篇关于在浮点数比较时使用容差范围,而不是直接比较两个数值是否完全相等的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1095163

相关文章

百度/小米/滴滴/京东,中台架构比较

小米中台建设实践 01 小米的三大中台建设:业务+数据+技术 业务中台--从业务说起 在中台建设中,需要规范化的服务接口、一致整合化的数据、容器化的技术组件以及弹性的基础设施。并结合业务情况,判定是否真的需要中台。 小米参考了业界优秀的案例包括移动中台、数据中台、业务中台、技术中台等,再结合其业务发展历程及业务现状,整理了中台架构的核心方法论,一是企业如何共享服务,二是如何为业务提供便利。

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

git使用的说明总结

Git使用说明 下载安装(下载地址) macOS: Git - Downloading macOS Windows: Git - Downloading Windows Linux/Unix: Git (git-scm.com) 创建新仓库 本地创建新仓库:创建新文件夹,进入文件夹目录,执行指令 git init ,用以创建新的git 克隆仓库 执行指令用以创建一个本地仓库的

【北交大信息所AI-Max2】使用方法

BJTU信息所集群AI_MAX2使用方法 使用的前提是预约到相应的算力卡,拥有登录权限的账号密码,一般为导师组共用一个。 有浏览器、ssh工具就可以。 1.新建集群Terminal 浏览器登陆10.126.62.75 (如果是1集群把75改成66) 交互式开发 执行器选Terminal 密码随便设一个(需记住) 工作空间:私有数据、全部文件 加速器选GeForce_RTX_2080_Ti