作为程序员，大多数人（如果不是我们所有人）都知道浮点数往往不准确。我知道这个问题无法完全避免，但我想知道是否有任何可用于至少减少浮点错误的实践，模式等。
提前致谢。
答案 0 :(得分：2)
使用定点数学，你可以处理已知的有限精度。
例如，Rockbox音乐播放器固件几乎使用固定点媒体编解码器。
如果您必须完全准确，请使用GMP库提供的无限长存储类型。
如果您只是想减少错误，请尝试尽可能接近零，其中IEEE FP编号更精确。重新排序操作以避免让绝对值过大。
答案 1 :(得分：0)
浮点精度是一个很大的主题，一些最聪明的计算机科学家多年来一直在研究这个问题。如果你要么没有研究fp准确性，还没有彻底研究你的cs问题，或者不能依赖其他队友完全理解，只要坚持使用双打，而不是32-但浮动，除非你只是在做计算机图形或项目要求单打。
一些任务，如乘法，是交际的。例如，使用Python：
>>>a*a*a*a*a*a
1.1044776737696922
>>> (a*a*a)*(a*a*a)
1.104477673769692
>>> (a*a)*(a*a)*(a*a)
1.104477673769692
答案是相同的，因为指数只是简单地加在一起，而尾数（1.fraction ......）只是乘以没有损失。
另一方面，如果我们以错误的顺序执行减法和乘法，我们可以得到非常不同的结果。
b = 1.00016789
B *（B-1）
0.00016791818705204833
b * b - b
0.00016791818705197414
即使看起来很好，如果你仔细观察，你会发现只有11个十进制数字是正确的。换句话说，((b*(b-1)) - (b*b-b))/b应该是零，代数，但它出现在7.417408056593443e-17。这似乎是一个小错误，但浮点错误倾向于以负面方式加起来。如果我们使用单精度float b = 1.00016789，使用C语法，问题会更糟。在这么少的一组操作之后，你只剩下几个可靠的十进制数字。