014浮点算术模拟
浮点算术模拟
算法原理：浮点数的秘密生活
算法：Floating-Point Arithmetic Simulation（浮点算术模拟）
来源：TAOCP 第2卷 第4.2节
文件：float_arithmetic.c
5W1H
Who（谁研究）
Donald Knuth 在 TAOCP 第4章系统分析了浮点算术的理论基础，这一主题由 John Backus（FORTRAN 设计者）等先驱在1950年代奠定，IEEE 754 标准（1985年）是其最终成果。
What（是什么）
用纯整数模拟规格化浮点数的四则运算（加减乘除），不使用 C 内建的float或double类型进行核心运算。表示方式：
值 = sign × mantissa × 10^exponent 其中 mantissa ∈ [100, 999]（规格化，BASE=1000）When（何时使用）
- 教学目的：理解浮点数规格化、指数对齐、舍入误差的本质
- 嵌入式系统：无 FPU 的处理器上模拟浮点
- 精确算术库的设计基础
Where（在哪里重要）
TAOCP 第4.2节用大量篇幅讨论浮点数的精度、规格化、舍入误差分析，是理解为什么0.1 + 0.2 ≠ 0.3（在二进制浮点中）的理论基础。
Why（为什么重要）
理解浮点数的内部机制，对于：
- 数值分析（避免灾难性消去）
- 算法设计（何时需要补偿求和、Kahan算法等）
- 调试精度相关 bug
至关重要。直接用整数实现迫使程序员真正面对每一步规格化过程。
How（如何实现）
数据结构：
typedefstruct{intsign;/* 1=正, -1=负, 0=零 */intmantissa;/* [100, 999] */intexponent;/* 10的指数 */}FloatNum;关键操作：
- 规格化：调整 mantissa 到 [100,999]，相应修正 exponent
- 加法：对齐指数（指数小的右移），相加尾数，再规格化
- 乘法：尾数相乘，指数相加，规格化
- 除法：尾数放大后做整数除法，调整指数
需求定义
功能需求
FloatNum结构体：{ int sign; int mantissa; int exponent; }float_add(a, b)— 对齐指数后相加，规格化float_sub(a, b)— 等价于float_add(a, -b)float_mul(a, b)— 尾数乘积，指数求和，规格化float_div(a, b)— 放大后整数除法，规格化float_to_double(a)— 转为 double 用于验证（内部用int_pow10实现，不调用pow）float_normalize(sign, mantissa, exponent)— 内部规格化
非功能需求
- 核心运算不使用
float/double（float_to_double仅用于测试输出） - 不使用
math.h，不链接-lm - BASE=1000，mantissa 三位精度
- 编译无警告：
gcc -std=c99 -Wall
约束
- 不处理 NaN / Inf（超出本教学实现范围）
- 精度：3位有效十进制数字（BASE=1000对应 log₁₀(1000)=3 位精度）
- exponent 范围：int 可表示（约 ±2×10⁹，实际使用远小于此）
验收标准
| 测试 | 输入 | 期望结果 | 容差 |
|---|---|---|---|
| 乘法精度 | 3.14 × 2.00 | ≈ 6.28 | 1% |
| 指数对齐加法 | 1.00 + 0.001 | ≈ 1.001 | 0.5% |
| 除法精确 | 10.0 ÷ 2.0 | = 5.0 | 0.1% |
| 零加法 | 0 + 3.14 | = 3.14 | 0.5% |
| 零减法 | 3.14 - 3.14 | = 0（精确） | — |
| 大数乘法 | 999×10⁵⁰ × 999×10⁵⁰ | 规格化，不崩溃 | — |
| 负数乘法 | (-3.14) × 2.00 | ≈ -6.28 | 1% |
精度说明
BASE=1000 意味着每个数有3位十进制有效数字。这与 IEEE 754 单精度（约7位）相比精度较低，但足以演示规格化原理。若需更高精度，可将 BASE 改为 10⁷ 或更大（注意 mantissa 乘法时需要 long long）。
生成日期：2026-03-22
系列：The Art of Computer Programming 实现集