在问题的最后,给出了一个从GNU C库计算浮点模运算(__ieee754_fmod
(的代码。我对这个算法背后的基本思想很感兴趣。
特别令人感兴趣的是标记为/ * fix point fmod * /
的代码。
/* fix point fmod */
n = ix - iy;
while(n--) {
hz=hx-hy;
if(hz<0){hx = hx+hx;}
else {
if(hz==0) /* return sign(x)*0 */
return Zero[(uint64_t)sx>>63];
hx = hz+hz;
}
}
hz=hx-hy;
if(hz>=0) {hx=hz;}
定点算术如何应用于浮点数?
如何更改它以应用于十进制表示法中的浮点数?
它与这个求余数的算法有一些共同点吗?
while(x >= y){
auto scaled_y = y;
while(scaled_y*2 < x)
scaled_y *= 2;
x -= scaled_y;
}
鼓励使用简化示例或详细描述链接。
来自GNU C库源代码:
typedef union
{
double value;
struct
{
uint32_t lsw;
uint32_t msw;
} parts;
uint64_t word;
} ieee_double_shape_type;
/* Get all in one, efficient on 64-bit machines. */
#ifndef EXTRACT_WORDS64
# define EXTRACT_WORDS64(i,d)
do {
ieee_double_shape_type gh_u;
gh_u.value = (d);
(i) = gh_u.word;
} while (0)
#endif
/* Get all in one, efficient on 64-bit machines. */
#ifndef INSERT_WORDS64
# define INSERT_WORDS64(d,i)
do {
ieee_double_shape_type iw_u;
iw_u.word = (i);
(d) = iw_u.value;
} while (0)
#endif
static const double one = 1.0, Zero[] = {0.0, -0.0,};
double __ieee754_fmod (double x, double y)
{
int32_t n,ix,iy;
int64_t hx,hy,hz,sx,i;
EXTRACT_WORDS64(hx,x);
EXTRACT_WORDS64(hy,y);
sx = hx&UINT64_C(0x8000000000000000); /* sign of x */
hx ^=sx; /* |x| */
hy &= UINT64_C(0x7fffffffffffffff); /* |y| */
/* purge off exception values */
if(__builtin_expect(hy==0
|| hx >= UINT64_C(0x7ff0000000000000)
|| hy > UINT64_C(0x7ff0000000000000), 0))
/* y=0,or x not finite or y is NaN */
return (x*y)/(x*y);
if(__builtin_expect(hx<=hy, 0)) {
if(hx<hy) return x; /* |x|<|y| return x */
return Zero[(uint64_t)sx>>63]; /* |x|=|y| return x*0*/
}
/* determine ix = ilogb(x) */
if(__builtin_expect(hx<UINT64_C(0x0010000000000000), 0)) {
/* subnormal x */
for (ix = -1022,i=(hx<<11); i>0; i<<=1) ix -=1;
} else ix = (hx>>52)-1023;
/* determine iy = ilogb(y) */
if(__builtin_expect(hy<UINT64_C(0x0010000000000000), 0)) { /* subnormal y */
for (iy = -1022,i=(hy<<11); i>0; i<<=1) iy -=1;
} else iy = (hy>>52)-1023;
/* set up hx, hy and align y to x */
if(__builtin_expect(ix >= -1022, 1))
hx = UINT64_C(0x0010000000000000)|(UINT64_C(0x000fffffffffffff)&hx);
else { /* subnormal x, shift x to normal */
n = -1022-ix;
hx<<=n;
}
if(__builtin_expect(iy >= -1022, 1))
hy = UINT64_C(0x0010000000000000)|(UINT64_C(0x000fffffffffffff)&hy);
else { /* subnormal y, shift y to normal */
n = -1022-iy;
hy<<=n;
}
/* fix point fmod */
n = ix - iy;
while(n--) {
hz=hx-hy;
if(hz<0){hx = hx+hx;}
else {
if(hz==0) /* return sign(x)*0 */
return Zero[(uint64_t)sx>>63];
hx = hz+hz;
}
}
hz=hx-hy;
if(hz>=0) {hx=hz;}
/* convert back to floating value and restore the sign */
if(hx==0) /* return sign(x)*0 */
return Zero[(uint64_t)sx>>63];
while(hx<UINT64_C(0x0010000000000000)) { /* normalize x */
hx = hx+hx;
iy -= 1;
}
if(__builtin_expect(iy>= -1022, 1)) { /* normalize output */
hx = ((hx-UINT64_C(0x0010000000000000))|((uint64_t)(iy+1023)<<52));
INSERT_WORDS64(x,hx|sx);
} else { /* subnormal output */
n = -1022 - iy;
hx>>=n;
INSERT_WORDS64(x,hx|sx);
x *= one; /* create necessary signal */
}
return x; /* exact output */
}
- 定点算术如何应用于浮点数
见下文:
/* fix point fmod */
在这一点上,我假设(没有彻底检查之前的代码(ix
和iy
是输入x
和y
的浮点指数,hx
和hy
是它们的有效位,|y
|≤|x
|。注释"fix-point fmod"指的是此代码正在处理浮点数的有效位。然而,这是一个不恰当的描述;它不是真正的定点fmod
,因为它确实使用指数来进行一些缩放,正如我们将看到的那样。
n = ix - iy;
这将n
设置为指数的差值。
while(n--) {
这将启动一个循环,处理由于指数而导致的数字的不同缩放。
hz=hx-hy;
这将执行试减法;在测试了符号之后,我们可能会使用这个结果,也可能不会使用。注意,无论x
和y
之间的指数差异如何,hy
都是y
相对于hx
的一些倍数。也就是说,即使有效位可能不对齐用于正常减法,由hz
表示的数字具有与由hx
表示的数字相同的模y
的余数,因为所有相差y
的倍数的数字都具有相同的余数。
if(hz<0){hx = hx+hx;}
如果hz
是负的,我们还不想处理hx-hy
。相反,hx
向左移动一位,使其缩放比hy
的缩放更大。(回想一下,我们在n
上处于循环中,因此,最终,将hx
向左移动n
位将使hx
和hy
处于相同的规模上。(
else {
if(hz==0) /* return sign(x)*0 */
return Zero[(uint64_t)sx>>63];
hx = hz+hz;
}
如果hz
为零,我们已经证明了x
是y
的倍数,所以余数为零,并用适当的符号位返回。否则,hz
为阳性。在这种情况下,hx = hz+hz;
做了两件事:首先,它用hz
替换hx
,这是一个有效的替换,因为hx
和hz
在模y
上有相同的残基,但hz
较小,所以我们对其进行了一些缩减。其次,它将hx
左移一位,为下一次循环迭代做准备。
}
这将继续对n
进行迭代。
hz=hx-hy;
这是又一次尝试性减法;在测试了符号之后,我们可能会使用结果,也可能不会使用结果。在这一点上,hx
已经被前面的循环以y
为模进行了减法运算,我们正在测试是否需要最后一次减法运算,或者我们已经完成了减法运算。
if(hz>=0) {hx=hz;}
如果hz
小于零,则循环完全减少hx
;它产生的残留物小于hy
,我们完成了:hx
包含要使用的残留物。如果hz
大于或等于零,则hx
没有完全减少,因此我们将其替换为hz
,我们包含减去hy
减少的hx
。这是所需的最后一个减法——我们知道没有更多的减法,因为我们在二进制中工作,并且hy
的前导位是由于归一化而设置的,所以hx/hy
必须小于2,这意味着hx-hy < hy
,而fmod
的目标是产生小于|y
|的残差。
- 如何将其更改为应用于十进制表示法中的浮点数
必须对算法进行大量重写才能应用于浮点数。特别地,上面的代码依赖于二进制,因为每一步只需要一个减法;商CCD_ 60/CCD_。对于十进制表示,必须考虑到商的整数部分可能在0到9之间,因此必须减去hy
的各种倍数。
- 它与这个算法在寻找余数方面有一些共同点吗
while(x >= y){ auto scaled_y = y; while(scaled_y*2 < x) scaled_y *= 2; x -= scaled_y;
一些。该代码还从x
中减去y
的倍数,以减少x
模y
。