Question

这是my code：

#include <math.h> 
#include <iostream>

using namespace std;

inline void Task(double start, double target) {
    double a0 = 0.0101252;
    double z = start;

    double value = -1.0;
    double temp = 0.0;
    int counter = 0;    
    while (value != temp) {
        temp = value;

        // exponential moving average
        z += a0 * (target - z);
        value = z;

        counter++;
    }

    cout << "start: " << start << " | target: " << target << " | iterations: " << counter << std::endl;    
}

int main() 
{   
    Task(0.0, 0.01);
    Task(0.01, 0.0);

    Task(0.01, 0.02);
    Task(0.02, 0.01);    
}

将Exponential Moving Average应用于0.1到0.2（或从0.2到0.1或0.0到0.1）会导致大约3100次迭代：

start: 0 | target: 0.01 | iterations: 3173
start: 0.01 | target: 0.02 | iterations: 3105
start: 0.02 | target: 0.01 | iterations: 3173

相反，如果我去0.0，它的东西比迭代方面贵25倍：

start: 0.01 | target: 0 | iterations: 72305

为什么呢？这里的棘手部分在哪里？我无法弄明白。非规格化？

Answer 1

double中可表示的值在零附近更密集。你在value == temp时打破循环 - 实质上，当你如此接近目标时，错误会通过舍入而丢失。反过来，这有效地意味着当target接近零时要求的精度要高于target具有大绝对值时的精确度。

您可能希望选择比“尾数的最后一位”更合理的精确目标。

为什么将指数移动平均值应用于0.0更慢？

1 个答案: