第10课｜浮点与定点类型

本课目标

完成本课后，你将能够：

• 深入理解 IEEE 754 浮点数的表示与精度限制
• 掌握 Ada 中浮点类型的定义、属性与使用
• 熟练使用定点类型实现精确小数运算
• 理解 digits 与 delta 的物理意义及选择策略
• 应用数值稳定性分析方法编写高可靠数值计算代码

---

一、浮点类型基础

1.1 IEEE 754 浮点表示

浮点数在计算机中采用科学记数法存储，由符号、指数和尾数三部分组成：

精度	总位数	符号位	指数位	尾数位	十进制精度
单精度	32	1	8	23	约 6~7 位
双精度	64	1	11	52	约 15~16 位
扩展精度	80	1	15	64	约 18~19 位

重要特性：

• 浮点运算是近似的，多数十进制小数无法精确表示（如 0.1）
• 存在舍入误差、下溢、上溢和特殊值（NaN、无穷大）

1.2 Ada 中的预定义浮点类型

Ada 提供了三个标准的浮点类型族：

type Float          is digits implementation_defined;  -- 通常单精度
type Long_Float     is digits implementation_defined;  -- 通常双精度
type Long_Long_Float is digits implementation_defined; -- 扩展精度

实际精度由编译器决定，可通过属性查询：

with Ada.Text_IO;
procedure Float_Info is
begin
   Ada.Text_IO.Put_Line ("Float digits: " & Integer'Image (Float'Digits));
   Ada.Text_IO.Put_Line ("Float mantissa: " & Integer'Image (Float'Mantissa));
   Ada.Text_IO.Put_Line ("Float machine emax: " & Integer'Image (Float'Machine_Emax));
   Ada.Text_IO.Put_Line ("Float machine emin: " & Integer'Image (Float'Machine_Emin));
end Float_Info;

1.3 浮点字面量与赋值

-- 浮点字面量必须包含小数点或指数
X : Float := 3.14159;
Y : Float := 2.0E-10;          -- 科学记数法
Z : Float := 16#1.FFFF#E+2;    -- 基于16的浮点字面量

-- 显式类型转换（限定表达式）
A : Float := Float'(100);       -- 整数字面量转浮点

---

二、用户定义浮点类型

2.1 指定十进制精度

使用 digits 定义具有指定十进制精度的浮点类型：

-- 至少保证6位十进制有效数字
type Real is digits 6;

-- 同时指定范围
type Probability is digits 6 range 0.0 .. 1.0;

-- 高精度类型
type Double is digits 15;
type Quad is digits 18;  -- 若硬件支持

编译器会自动选择满足精度要求的最小硬件浮点格式（通常是 IEEE 单精度或双精度）。

2.2 浮点类型属性

属性	含义	示例
'Digits	十进制精度位数	Real'Digits = 6
'Mantissa	二进制尾数位数（包括隐藏位）	Float'Mantissa
'Machine_Emax	最大指数	Float'Machine_Emax
'Machine_Emin	最小指数	Float'Machine_Emin
'Epsilon	1.0 与下一个可表示数的差值	Float'Epsilon
'Safe_First	算术运算安全范围的最小值	Float'Safe_First
'Safe_Last	算术运算安全范围的最大值	Float'Safe_Last
'Model_Emin	模型指数最小值	Real'Model_Emin
'Model_Epsilon	模型相对精度	Real'Model_Epsilon

---

2.3 浮点类型派生

type Meters is new Float;          -- 派生新类型，单位语义
type Seconds is new Float;

-- 重载运算符确保单位安全
function "*" (M : Meters; T : Seconds) return Meters_Second is
begin
   return Meters_Second (Float (M) * Float (T));
end "*";

---

三、浮点运算与精度问题

3.1 舍入误差示例

with Ada.Text_IO;
procedure Rounding_Demo is
   X : Float := 0.1;
   Sum : Float := 0.0;
begin
   for I in 1 .. 10 loop
      Sum := Sum + X;
   end loop;
   Ada.Text_IO.Put_Line ("10 * 0.1 = " & Float'Image (Sum));
   -- 可能输出 0.999999... 而非 1.0
end Rounding_Demo;

3.2 比较浮点数

错误做法：

if A = B then  -- 危险！因舍入误差很可能不相等

正确做法：使用容差比较

function Approx_Equal (A, B : Float; Eps : Float := 1.0E-6) return Boolean is
begin
   return abs (A - B) <= Eps * (abs A + abs B) / 2.0;  -- 相对误差
end Approx_Equal;

Ada 提供了通用函数 Ada.Numerics.Generic_Real_Arrays 等，也可用属性：

if abs (A - B) <= Float'Model_Epsilon * (abs A + abs B) then ...

3.3 避免精度丢失的技巧

• 避免加减大数和小数：可能丢失小数部分
• 使用 Kahan 求和算法：补偿舍入误差
• 选择合适的数据类型：高精度类型如 Long_Long_Float
• 避免对非常接近的数相减（灾难性抵消）

-- 灾难性抵消示例
A := 1.2345678;
B := 1.2345679;
C := B - A;  -- 有效数字严重丢失

3.4 特殊值与异常

-- 检测无效操作
if X /= X then  -- 只有 NaN 满足
   Ada.Text_IO.Put_Line ("X is NaN");
end if;

-- 检测无穷大
if X > Float'Safe_Last then
   Ada.Text_IO.Put_Line ("X is infinite");
end if;

---

四、定点类型基础

定点类型用整数运算模拟小数，精度固定，无舍入误差（但可能有溢出风险），常用于嵌入式、控制、金融等领域。

4.1 普通定点类型

使用 delta 指定最小步长（绝对精度），必须对称于0的范围：

-- 精度 0.01，范围 -100.0 .. 100.0
type Fixed is delta 0.01 range -100.0 .. 100.0;

-- 自动确定存储大小（通常为16位或32位整数）
F : Fixed := 12.34;

注意：delta 值必须是2的负幂（或编译时能转换为2的负幂），如 0.125 是允许的，但 0.1 可能不行（除非编译器支持十进制定点）。

4.2 小数定点类型

使用 delta 和 digits 共同定义，指定小数位数和总十进制位数，适合货币计算：

-- 总共10位十进制，小数点后2位（由 delta 0.01 隐含决定）
type Money is delta 0.01 digits 10;

-- 指定总位数，delta 决定小数部分位数
type Price is delta 0.001 digits 7;  -- 范围 -9999.999 .. 9999.999

-- 十进制定点类型的范围自动计算

digits 指定总十进制位数（包括整数部分和小数部分），delta 指定小数部分的步长，二者必须兼容（delta <= 10.0**(-D) 其中 D 是小数位数）。

4.3 定点类型属性

属性	含义	示例
'Delta	指定的 delta 值	Fixed'Delta = 0.01
'Small	实际存储的步长（通常等于 delta，除非使用 small 指定）	Fixed'Small
'Fore	整数部分所需的最小字符数（包括负号）	Fixed'Fore
'Aft	小数部分所需的最小字符数	Fixed'Aft = 2
'Range	类型的范围	Fixed'Range
'Size	存储位数	Fixed'Size

---

五、定点类型的运算与控制

5.1 定点算术运算

with Ada.Text_IO;
procedure Fixed_Demo is
   type Fixed is delta 0.01 range -100.0 .. 100.0;
   A, B, C : Fixed := 10.0;
begin
   A := 12.34;
   B := 5.67;
   C := A + B;                 -- 18.01
   C := A - B;                 -- 6.67
   C := A * B;                 -- 乘法结果可能需要转换
   -- C := A * B;              -- 可能编译错误：定点乘法的结果类型不确定
   C := Fixed (A * B);         -- 需要显式转换
end Fixed_Demo;

定点乘法返回通用定点类型（universal_fixed），需要显式转换为具体类型。

5.2 溢出与范围检查

Ada 默认启用范围检查，防止溢出：

procedure Overflow_Demo is
   type Small is delta 0.1 range 0.0 .. 10.0;
   S : Small := 9.9;
begin
   S := S + 0.2;  -- 触发 Constraint_Error！9.9+0.2=10.1 > 10.0
exception
   when Constraint_Error =>
      Ada.Text_IO.Put_Line ("Overflow prevented");
end Overflow_Demo;

5.3 表示子句控制存储

可通过 small 和 size 精确控制定点类型的内存布局：

-- 强制步长为 2^{-8}，用8位整数存储
type Angle is delta 2.0**(-8) range -Pi .. Pi;
for Angle'Small use 2.0**(-8);
for Angle'Size use 8;

5.4 定点与浮点转换

F : Float := 1.23;
D : Fixed := Fixed (F);          -- 浮点转定点（可能溢出）
F2 : Float := Float (D);         -- 定点转浮点

六、数值稳定性与误差控制

6.1 误差来源对比

类型	误差来源	特点
浮点	舍入误差（相对误差固定）	范围大，精度随数值大小变化
定点	截断误差（绝对误差固定）	范围受限，精度均匀

6.2 选择准则

• 科学计算、图形、范围极大 → 浮点
• 嵌入式控制、货币、需要均匀精度 → 定点
• 对性能要求极高且无FPU → 定点
• 需要避免舍入误差累积 → 定点可能更合适

6.3 误差控制策略

• 浮点：使用高精度类型，采用稳定算法（如 Kahan 求和）
• 定点：合理选择 delta，确保不溢出，必要时使用饱和运算

-- 饱和加法（超过范围时 clamp）
function Sat_Add (A, B : Fixed) return Fixed is
   Result : constant Fixed'Base := Fixed'Base (A) + Fixed'Base (B);
begin
   if Result > Fixed'Last then
      return Fixed'Last;
   elsif Result < Fixed'First then
      return Fixed'First;
   else
      return Fixed (Result);
   end if;
end Sat_Add;

---

七、完整示例：数值积分（梯形法则）

-- 文件名: numerical_integration.adb
-- 演示浮点与定点两种方式计算定积分

with Ada.Text_IO;
with Ada.Float_Text_IO;

procedure Numerical_Integration is

   -- 浮点版本
   function F_Float (X : Float) return Float is
   begin
      return 4.0 / (1.0 + X * X);
   end F_Float;

   function Integral_Float (N : Integer) return Float is
      H : constant Float := 1.0 / Float (N);
      Sum : Float := 0.0;
   begin
      for I in 1 .. N - 1 loop
         Sum := Sum + F_Float (Float (I) * H);
      end loop;
      return H * ((F_Float (0.0) + F_Float (1.0)) / 2.0 + Sum);
   end Integral_Float;

   -- 定点版本（精度 0.0001，范围 0..4）
   type Fixed is delta 0.0001 range 0.0 .. 4.0;

   function F_Fixed (X : Fixed) return Fixed is
   begin
      return Fixed (4.0 / (1.0 + Float (X) * Float (X)));
   end F_Fixed;

   function Integral_Fixed (N : Integer) return Fixed is
      H : constant Float := 1.0 / Float (N);
      Sum : Fixed := 0.0;
   begin
      for I in 1 .. N - 1 loop
         Sum := Sum + F_Fixed (Fixed (Float (I) * H));
      end loop;
      return Fixed (H) * ((F_Fixed (0.0) + F_Fixed (1.0)) / 2.0 + Sum);
   end Integral_Fixed;

   N : constant Integer := 1000;

begin
   Ada.Text_IO.Put_Line ("Float 积分值: " & Float'Image (Integral_Float (N)));
   Ada.Text_IO.Put_Line ("Fixed 积分值: " & Fixed'Image (Integral_Fixed (N)));
   Ada.Text_IO.Put_Line ("真实值 π:     3.1415926535...");
end Numerical_Integration;

编译运行：

gnatmake numerical_integration.adb
./numerical_integration

输出示例：

Float 积分值:  3.14159
Fixed 积分值:  3.1415
真实值 π:     3.1415926535...

---

八、本课总结

• 浮点类型用 digits 指定精度，适用于大范围、相对误差要求场景
• 定点类型用 delta 指定步长，适用于固定绝对精度、无FPU的场合
• 浮点运算存在舍入误差，比较时应使用容差
• 定点类型需注意范围溢出，Ada的范围检查提供保护
• 'Small 控制实际存储精度，表示子句可精确控制内存布局
• 数值稳定性取决于算法选择，必要时需进行误差分析

---

九、课后练习

1.精度探查：编写程序输出你所用编译器下 Float、Long_Float 和自定义 digits 18 类型的 'Digits、'Mantissa、'Epsilon。

2.二次方程求解：用浮点实现二次方程求根公式，测试 a=1, b=-1000000, c=1 时的稳定性，并尝试改进算法（避免灾难性抵消）。

3.货币计算：定义type Salary is delta 0.01 digits 8;，计算年薪、月薪，测试极端值溢出行为。

4.物理单位：扩展前课的物理单位包，增加加速度类型Meters_Per_Second_Squared，并用定点实现匀加速运动位移公式。

5.比较浮点与定点：编写程序计算 1000 个 0.1 相加的结果，分别使用 Float 和 delta 0.01 的定点类型，对比结果与精确值 100.0 的误差。

---

十、下节预告

第11课｜枚举与布尔类型

我们将：

• 深入枚举类型的定义与属性
• 掌握布尔类型的逻辑运算与短路控制
• 学习字符类型的分类与转换
• 应用枚举类型实现状态机与选择控制

---

关键术语表

IEEE 754：浮点数国际标准，定义单精度、双精度等格式。

digits：指定浮点类型十进制精度的关键字。

delta：指定定点类型最小步长的关键字。

'Small：定点类型实际存储步长的属性。

舍入误差：浮点运算因精度有限产生的近似误差。

灾难性抵消：两个相近数相减导致有效数字严重丢失的现象。

Kahan 求和：补偿舍入误差的求和算法。

饱和运算：超出范围时截断到边界值的运算。

---