Это мой код:
#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);
}
применение Экспоненциальная скользящая средняя от 0,1 до 0,2 (или от 0,2 до 0,1 или от 0,0 до 0,1) дает примерно 3100 итераций:
start: 0 | target: 0.01 | iterations: 3173
start: 0.01 | target: 0.02 | iterations: 3105
start: 0.02 | target: 0.01 | iterations: 3173
Вместо этого, если я перейду к 0.0, это примерно в 25 раз дороже с точки зрения итераций:
start: 0.01 | target: 0 | iterations: 72305
Зачем? Где здесь самая сложная часть? Я не могу понять это. Денормализованные числа?
Значения, представимые в double
более плотные около нуля. Вы нарушаете цикл, когда value == temp
— по сути, когда вы находитесь так близко к цели, что ошибка округляется при округлении. Это, в свою очередь, фактически означает, что вы требуете гораздо более высокой точности, когда target
ближе к нулю, чем когда target
имеет большое абсолютное значение.
Вы, вероятно, хотите выбрать более разумную цель точности, чем «последний бит мантиссы».
Других решений пока нет …