关于浮点计算精度的试验及Kanhan修正的疑问

王朝other·作者佚名  2006-01-09
窄屏简体版  字體: |||超大  

普通的实数求和函数:

template< class DATA_TYPE >

DATA_TYPE Sum( const DATA_TYPE A[], int n )

{

DATA_TYPE sum = 0.0;

for (int i=0; i<n; i++)

sum += A[i];

return sum;

}

修正一下中间计算产生的误差:

template< class DATA_TYPE >

DATA_TYPE KahanSum( const DATA_TYPE A[], int n )

{

DATA_TYPE sum=0, C=0, Y, T;

for (int i=0; i<n; i++)

{

Y = A[i] - C; // 修正误差

T = sum + Y;

C = T - sum - Y; // 计算产生的误差

sum = T;

}

return sum;

}

将上面两个函数的计算结果与一个不使用中间变量暂存的汇编函数比较:

double SumDouble( const double A[], int n )

{

double sum = 0;

__asm

{

mov ebx, A

mov ecx, n

fld sum

next:

fadd qword ptr [ebx]

add ebx, 8

sub ecx, 1

jnz next

fst sum

}

return sum;

}

试验数据和调用过程:

#define TYPE float

int main(int argc, char* argv[])

{

TYPE A[100];

_controlfp( _PC_24, _MCW_PC );

srand( time( NULL ) );

for( int i=0; i<100; i++ )

A[i] = (TYPE)rand()/RAND_MAX;

printf( "Last:\n\t%25.18f\n\t%25.18f\n\t%25.18f\n",

SumFloat( A, 100 ), KahanSum( A, 100 ), Sum(A,100) );

return 0;

}

试验结果:

float类型

函数

_PC_24

_PC_53

_PC_64

普通求和Sum

49.286575317382813000

52.753040313720703000

49.584823608398437000

误差修正KanhanSum

49.286567687988281000

52.753040313720703000

49.584823608398437000

无中间暂存SumFloat

49.286575317382813000

52.753044325858355000

49.584826521575451000

float类型的精度是24位(二进制),十进制自第8位(小数点后第6位,10-6)出现偏差。

double类型

函数

_PC_24

_PC_53

_PC_64

普通求和Sum

47.176055908203125000

52.227423932615110000

50.595782341990436000

误差修正KanhanSum

47.176059722900391000

52.227423932615132000

50.595782341990436000

无中间暂存SumFloat

47.176055908203125000

52.227423932615110000

50.595782341990414000

double类型的精度是53位(二进制),十进制自第16位(小数点后第14位,10-14)出现偏差。

奇怪的是,优化的KanhanSum()不仅没能提高精度反而降低了精度。

 
 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
 
 
© 2005- 王朝網路 版權所有 導航