理解浮点数精度问题
计算机内部使用二进制来表示和存储数字。浮点数（如java中的 float 和 double 类型）在存储十进制小数时，会将其转换为最接近的二进制表示。然而，许多在十进制中有限的小数（例如 0.1、0.2）在二进制中却是无限循环的，就像十进制中的 1/3 (0.333...) 一样。因此，计算机只能存储这些无限二进制小数的有限部分，从而引入微小的舍入误差。
当这些带有微小误差的浮点数在循环中进行累加操作时，这些误差会逐渐累积。例如，如果 height01 的初始值是 1.20，每次增加 0.02，并期望最终达到 2.00，那么由于 1.20 和 0.02 在 float 类型中都无法被精确表示，它们实际存储的值可能略有偏差。每次累加，这个偏差都会传递下去，导致 height01 永远无法精确地达到 2.00，而是可能略小于 2.00，或者在某次累加后直接跳过 2.00。
考虑以下原始代码示例：
float weight = 60 ;
float height01 = 1.20 ;
float height02 = 2.00 ;
while( height01 < height02 ) {
float BMI = ( weight / (height01 * height01) ) ;
System.out.println( height01 + " , " + BMI ) ;
height01 = height01 + 0.02 ;
}这段代码的预期是当 height01 达到 2.00 时循环停止。然而，实际输出可能如下：
1.9999993 , 15.0000105
这表明 height01 在累加过程中未能精确达到 2.00，而是停在了 1.9999993，因为下一次累加就会使其超过 2.00，从而不满足 height01
解决方案
为了避免浮点数精度问题导致的循环行为异常，我们通常可以采用以下两种健壮的策略。
1. 使用整数计数器控制循环
这种方法的核心思想是将浮点数的迭代过程转化为整数的迭代。我们首先计算出总共需要迭代的次数，然后使用一个整数变量来控制 for 循环，并在循环内部根据整数计数器来精确计算当前的浮点数值。
float weight = 60.0f; // 明确指定为float类型
float startHeight = 1.20f; // 明确指定为float类型
float endHeight = 2.00f; // 明确指定为float类型
float delta = 0.02f; // 明确指定为float类型
// 计算迭代次数。使用Math.round进行四舍五入，以处理浮点数除法可能带来的微小误差。
long n = Math.round((endHeight - startHeight) / delta);
// 使用整数i控制循环，避免浮点数累加误差
for (long i = 0; i <= n; i++) {
// 根据迭代次数i重新计算当前的height值，避免累积误差
float currentHeight = startHeight + i * delta;
float BMI = (weight / (currentHeight * currentHeight));
System.out.println(currentHeight + " , " + BMI);
}说明：
- f 后缀的重要性： 60.0f, 1.20f 等字面量中的 f 后缀至关重要。在Java中，不带后缀的浮点数字面量默认为 double 类型。如果省略 f，例如 1.20，它会被视为 double，然后在赋值给 float 变量时进行隐式类型转换，这可能引入额外的精度损失。明确使用 f 后缀可以确保字面量直接被视为 float 类型。
- Math.round() 的作用： (endHeight - startHeight) / delta 的结果可能因为浮点数误差而略大于或略小于一个整数。Math.round() 函数将这个浮点数四舍五入到最接近的 long 整数，从而确保我们得到正确的迭代步数。
- 避免累积误差： 在循环内部，currentHeight = startHeight + i * delta; 每次都从 startHeight 和迭代计数器 i 重新计算 currentHeight。这种方法避免了在每次迭代中累加 delta 所导致的误差累积，使得 currentHeight 的值在每次迭代中都更接近其理论上的精确值。
2. 引入比较容差
当使用整数计数器不方便或不适用时（例如，循环条件更为复杂，或者需要直接比较浮点数），可以在比较操作中引入一个小的容差（epsilon）。这意味着我们不再检查两个浮点数是否严格相等或严格大于/小于，而是检查它们之间的差值是否小于某个极小值。
float weight = 60.0f;
float height01 = 1.20f;
float height02 = 2.00f;
float delta = 0.02f;
// 引入容差：将目标值稍微放宽，通常是步长的一半。
// 这样即使height01因累积误差略微小于height02，或略微超过height02但仍在半步长范围内，循环也能继续。
float height02plusTolerance = height02 + delta / 2f;
while( height01 <= height02plusTolerance ) {
float BMI = ( weight / (height01 * height01) ) ;
System.out.println( height01 + " , " + BMI ) ;
height01 = height01 + delta;
}说明：
- 容差的设定： height02plusTolerance 定义了一个包含目标值 height02 的一个小区间。只要 height01 落在这个区间内（即 height01
- delta / 2f 的选择： 将容差设置为步长 delta 的一半是一个常见的经验法则。它确保了即使 height01 因为累积误差略微小于 height02，或者略微超过 height02 但仍在“半步”范围内，循环也能正常执行到预期的最后一步。
- 适用场景： 这种方法适用于 while 循环，但需要谨慎选择容差值。容差过大可能导致多余的迭代，而容差过小则可能无法解决问题。
注意事项
- 避免直接比较浮点数相等： 永远不要使用 == 运算符直接比较两个 float 或 double 类型的值是否相等，除非你确切知道它们是精确表示的（例如，它们是整数转换而来，或者通过精确计算得到）。
- 使用 f 后缀： 对于 float 类型的字面量，始终使用 f 或 F 后缀（例如 1.20f），以避免默认的 double 类型转换带来的潜在精度问题。
- 金融计算与高精度需求： 在涉及金融计算、科学计算或其他需要极高精度的场景中，应避免使用 float 或 double。Java提供了 java.math.BigDecimal 类，它能够提供任意精度的十进制算术运算，是处理这类需求的标准工具。
- double 类型： 尽管 double 类型提供了比 float 更高的精度（通常是 float 的两倍），但其本质上仍然是浮点数，同样存在精度问题。上述的解决方案和注意事项同样适用于 double 类型。
总结
浮点数在计算机科学中扮演着核心角色，但其固有的精度限制是所有开发者都必须理解和妥善处理的问题。在涉及浮点数作为循环条件或进行比较时，直接依赖精确相等判断是危险且不可靠的。通过采纳诸如使用整数计数器控制循环，或者在浮点数比较中引入适当的容差等策略，我们可以有效地规避这些精度陷阱，编写出更加健壮、可预测且符合预期的数值计算代码。深入理解浮点数的内部工作原理，并遵循相应的最佳实践，是编写高质量数值计算应用程序的关键。
