Сохранение точности при переводе десятичного числа в целое число

Мой код выглядит следующим образом (я упростил его для удобства чтения, извините за отсутствие функций):

#include <stdio.h>
#include <string.h>
#include <math.h>
#include <iostream>
#include <iomanip>
#include <fstream>
#include <time.h>
#include <stdlib.h>
#include <sstream>
#include <gmpxx.h>
using namespace std;
#define PI 3.14159265358979323846

int main()
{

int a,b,c,d,f,i,j,k,m,n,s,t,Success,Fails;
double p,theta,phi,Time,Averagetime,Energy,energy,Distance,Length,DotProdForce,
Forcemagnitude,ForceMagnitude[201],Force[201][4],E[1000001],En[501],Epsilon[4],Ep,
x[201][4],new_x[201][4],y[201][4],A[201],alpha[201][201],degree,bestalpha[501];

clock_t t1,t2;
t1=clock();

t=1;

/* Set parameter t, the power in the energy function */

while(t<1001){

n=2;

/*set parameter n, the number of points going onto the sphere */

while(n<51){

cout << "N=" << n << "\n";

b=0;
Time=0.0;

/* Set parameter b, just a loop to distribute points many times (100) */

while(b<100){

clock_t t3,t4;
t3=clock();

if(n>200){
cout << n << " is too many points for me :-( \n";
exit(0);
}

srand((unsigned)time(0));

for (i=1;i<=n;i++){
x[i][1]=((rand()*1.0)/(1.0*RAND_MAX)-0.5)*2.0;
x[i][2]=((rand()*1.0)/(1.0*RAND_MAX)-0.5)*2.0;
x[i][3]=((rand()*1.0)/(1.0*RAND_MAX)-0.5)*2.0;

Length=sqrt(pow(x[i][1],2)+pow(x[i][2],2)+pow(x[i][3],2));

for (k=1;k<=3;k++){
x[i][k]=x[i][k]/Length;
}
}

/* Points have now been distributed randomly and normalised so they sit on
unit sphere */

Energy=0.0;

for(i=1;i<=n;i++){
for(j=i+1;j<=n;j++){
Distance=sqrt(pow(x[i][1]-x[j][1],2)+pow(x[i][2]-x[j][2],2)
+pow(x[i][3]-x[j][3],2));

Energy=Energy+1.0/pow(Distance,t);
}
}

/*Energy has now been calculated for the system of points as a summation
function this is where accuracy is lost */

for(i=1;i<=n;i++){
y[i][1]=x[i][1];
y[i][2]=x[i][2];
y[i][3]=x[i][3];
}

m=100;

if (m>100){
cout << "The m="<< m << " loop is inefficient...lessen m \n";
exit(0);
}

a=1;

/* Distributing points m-1 times and choosing the best random distribution */

while(a<m){

for (i=1;i<=n;i++){
x[i][1]=((rand()*1.0)/(1.0*RAND_MAX)-0.5)*2.0;
x[i][2]=((rand()*1.0)/(1.0*RAND_MAX)-0.5)*2.0;
x[i][3]=((rand()*1.0)/(1.0*RAND_MAX)-0.5)*2.0;

Length=sqrt(pow(x[i][1],2)+pow(x[i][2],2)+pow(x[i][3],2));

for (k=1;k<=3;k++){
x[i][k]=x[i][k]/Length;
}
}

energy=0.0;

for(i=1;i<=n;i++){
for(j=i+1;j<=n;j++){
Distance=sqrt(pow(x[i][1]-x[j][1],2)+pow(x[i][2]-x[j][2],2)
+pow(x[i][3]-x[j][3],2));

energy=energy+1.0/pow(Distance,t);
}
}

if(energy<Energy)
for(i=1;i<=n;i++){
for(j=1;j<=3;j++){
Energy=energy;
y[i][j]=x[i][j];
}
}
else
for(i=1;i<=n;i++){
for(j=1;j<=3;j++){
energy=Energy;
x[i][j]=y[i][j];
}
}

a=a+1;
}

/* End of random distribution loop, the loop for a<m */

En[b]=Energy;

b=b+1;

t4=clock();
float diff ((float)t4-(float)t3);
float seconds = diff / CLOCKS_PER_SEC;

Time = Time + seconds;

}

/* End of looping the entire body of the program, used to get an average reading */

t2=clock();
float diff ((float)t2-(float)t1);
float seconds = diff / CLOCKS_PER_SEC;

n=n+1;
}

/* End of n loop, here n increases so I get outputs for n from 2 to 50 for each t */

if(t==1)
t=2;
else if(t==2)
t=5;
else if(t==5)
t=10;
else if(t==10)
t=25;
else if(t==25)
t=50;
else if(t==50)
t=100;
else if(t==100)
t=250;
else if(t==250)
t=500;
else if(t==500)
t=1000;
else
t=t+1;
}

/* End of t loop, t changes to previously decided values to estimate Tammes's problem
would like t to be as large as possible but t>200 makes energy calculations lose
accuracy */

return 0;

} /* End of main function and therefore program. In original as seen by following link
below the code will use gradient flow algorithm before end of b, n and t loops to
minimise the energy function and therefore get accurate solutions. */

Каждый раз, когда я запускаю код для t> 200, выход энергии теряет точность (поскольку он повышается до высокой мощности), мне говорили, что мне нужно использовать произвольные целые числа точности и получить библиотеку GMP. Я сделал это, и мне удалось запустить код с библиотекой GMP в моем объеме, но я не совсем понял, что я должен изменить.

Я изменяю t или энергию (и Энергию) или Дистанцию ​​или все три (/ четыре) ?? Я не очень понимаю, что я должен изменить, но сейчас я читаю, как это сделать из руководства.

Примечание: мой оригинальный вопрос был здесь, но я подумал, что на него действительно ответили, и это оправдывает новый. Я приму ответ там, когда это действительно работает: Потеря точности для больших целых чисел (пау?)

Я изменил свой код (показанный ниже), но у меня просто возникает ошибка сегментации 11, как только я инициализирую En [b]. Я был бы очень признателен, если бы комментарии были немного более глубокими относительно того, что я должен делать. Спасибо за всю помощь, пока А.

#include <stdio.h>
#include <string.h>
#include <math.h>
#include <iostream>
#include <iomanip>
#include <fstream>
#include <time.h>
#include <stdlib.h>
#include <sstream>
#include <gmpxx.h>
using namespace std;
#define PI 3.14159265358979323846

int main()
{

int a,b,c,d,f,i,j,k,m,n,s,Success,Fails;
double p,theta,phi,Time,Averagetime,Distance,Length,DotProdForce,
Forcemagnitude,ForceMagnitude[201],Force[201][4],E[1000001],Epsilon[4],Ep,
x[201][4],new_x[201][4],y[201][4],A[201],alpha[201][201],degree,bestalpha[501];
unsigned long int t;

mpf_t Energy,energy,Power,D,En[501];

mpf_set_default_prec(1024);

mpf_init(Power);
mpf_init(D);

clock_t t1,t2;
t1=clock();

t=1000;

/* Set parameter t, the power in the energy function */

while(t<1001){

n=2;

/*set parameter n, the number of points going onto the sphere */

while(n<51){

cout << "N=" << n << "\n";

b=0;
Time=0.0;

/* Set parameter b, just a loop to distribute points many times (100) */

while(b<101){

clock_t t3,t4;
t3=clock();

if(n>200){
cout << n << " is too many points for me :-( \n";
exit(0);
}

srand((unsigned)time(0));

for (i=1;i<=n;i++){
x[i][1]=((rand()*1.0)/(1.0*RAND_MAX)-0.5)*2.0;
x[i][2]=((rand()*1.0)/(1.0*RAND_MAX)-0.5)*2.0;
x[i][3]=((rand()*1.0)/(1.0*RAND_MAX)-0.5)*2.0;

Length=sqrt(pow(x[i][1],2)+pow(x[i][2],2)+pow(x[i][3],2));

for (k=1;k<=3;k++){
x[i][k]=x[i][k]/Length;
}
}

for(i=1;i<=n;i++){
for(j=1;j<=3;j++){
cout << "x[" << i << "][" << j << "]=" << x[i][j] << "\n";
}
}

/* Points distributed randomly and normalised so they sit on unit sphere */

mpf_init (Energy);

for(i=1;i<=n;i++){
for(j=i+1;j<=n;j++){
Distance=sqrt(pow(x[i][1]-x[j][1],2)+pow(x[i][2]-x[j][2],2)
+pow(x[i][3]-x[j][3],2));

mpf_set_d(D,Distance);

mpf_pow_ui(Power,D,t);
mpf_ui_div(Power,1.0,Power);
mpf_add(Energy,Energy,Power);

}
}

cout << "Energy=" << Energy << "\n";

/*Energy calculated as a summation function this is where accuracy is lost */

for(i=1;i<=n;i++){
y[i][1]=x[i][1];
y[i][2]=x[i][2];
y[i][3]=x[i][3];
}

m=100;

if (m>100){
cout << "The m="<< m << " loop is inefficient...lessen m \n";
exit(0);
}

a=1;

/* Distributing points m-1 times and choosing the best random distribution */

while(a<m){

for (i=1;i<=n;i++){
x[i][1]=((rand()*1.0)/(1.0*RAND_MAX)-0.5)*2.0;
x[i][2]=((rand()*1.0)/(1.0*RAND_MAX)-0.5)*2.0;
x[i][3]=((rand()*1.0)/(1.0*RAND_MAX)-0.5)*2.0;

Length=sqrt(pow(x[i][1],2)+pow(x[i][2],2)+pow(x[i][3],2));

for (k=1;k<=3;k++){
x[i][k]=x[i][k]/Length;
}
}

for(i=1;i<=n;i++){
for(j=1;j<=3;j++){
cout << "x[" << i << "][" << j << "]=" << x[i][j] << "\n";
}
}

mpf_init(energy);

for(i=1;i<=n;i++){
for(j=i+1;j<=n;j++){
Distance=sqrt(pow(x[i][1]-x[j][1],2)+pow(x[i][2]-x[j][2],2)
+pow(x[i][3]-x[j][3],2));

mpf_set_d(D,Distance);

mpf_pow_ui(Power,D,t);
mpf_ui_div(Power,1.0,Power);
mpf_add(energy,energy,Power);
}
}

cout << "energy=" << energy << "\n";

if(energy<Energy)
for(i=1;i<=n;i++){
for(j=1;j<=3;j++){
mpf_set(Energy,energy);
y[i][j]=x[i][j];
}
}
else
for(i=1;i<=n;i++){
for(j=1;j<=3;j++){
mpf_set(energy,Energy);
x[i][j]=y[i][j];
}
}

a=a+1;
}

/* End of random distribution loop, the loop for a<m */

cout << "Energy=" << Energy << "\n";

mpf_init(En[b]);
mpf_set(En[b],Energy);

for(i=0;i<=b;i++){
cout << "En[" << i << "]=" << En[i] << "\n";
}

b=b+1;

t4=clock();
float diff ((float)t4-(float)t3);
float seconds = diff / CLOCKS_PER_SEC;

Time = Time + seconds;

}

/* End of looping the entire body of the program, used to get an average reading */

t2=clock();
float diff ((float)t2-(float)t1);
float seconds = diff / CLOCKS_PER_SEC;

n=n+1;
}

/* End of n loop, here n increases so I get outputs for n from 2 to 50 for each t */

if(t==1)
t=2;
else if(t==2)
t=5;
else if(t==5)
t=10;
else if(t==10)
t=25;
else if(t==25)
t=50;
else if(t==50)
t=100;
else if(t==100)
t=250;
else if(t==250)
t=500;
else if(t==500)
t=1000;
else
t=1001;
}

/* End of t loop, t changes to previously decided values to estimate Tammes's problem
would like t to be as large as possible but t>200 makes energy calculations lose
accuracy */

return 0;

} /* End of main function and therefore program. In original as seen by following link
below the code will use gradient flow algorithm before end of b, n and t loops to
minimise the energy function and therefore get accurate solutions. */