假设我们实现以下两种方法来计算实数n的{{1}}倍数。
x假设public static double multiply( double x, int n )
{
return x * n;
}
public static double iterativeAdd( double x, int n )
{
double a = 0.0;
for( int b = 0; b < n; b++ )
{
a += x;
}
return a;
}
是合法的n，并且int和x和n的确切数学产品的绝对值不小于x Double.MIN_VALUE（除非两者都是0.0）且绝对值不大于Double.MAX_VALUE。以下是我想知道的：一般来说，它更接近x和n的产品的确切值：double或{{{0}}返回的multiply( x, n ) 1 {}由double返回，你怎么知道？
答案 0 :(得分：2)
据我所知，第一种方法会产生更准确的结果，因为在第二种方法中，在每次加法后，某些数字将被截断和舍入的概率超过单个乘数运算，因为结果将被计算一次，然后数字将被截断。
答案 1 :(得分：1)
通常，对于您执行的每个浮点运算，您的epsilon都会增加。发生这种情况是因为浮点数在内存中具有固定大小，从而限制了它们的精度。每个操作都四舍五入到float可以表示的最接近的值。这种四舍五入会累积一段时间。
这两个数字都会让你非常接近答案，但是如果你在大量不同的数字上运行这两种方法，你会发现平均iterativeAdd()与实际值的距离更远。< / p>
此外，multiply()在任何计算机上都会明显加快，因此使用iterativeAdd()并没有任何好处。
答案 2 :(得分：0)
两者都会返回大致相同的值，但iterativeAdd()返回更多近似值的可能性更大，但差异可以忽略不计。
任何单个浮点运算都会导致一些精度损失，但是很小。
在multiply()中，您只使用了一次浮点运算，但在iterativeAdd()中您使用了n次。
一般情况下，我们应该避免使用像iterativeAdd()这样的函数，因为它会占用n浮点运算的大量处理器时间。