IEEE 754 浮点数加减运算

浮点数的表示

IEEE 754 二进制浮点数由符号位、阶码和尾数字段组成。以单精度 float32 为例：

S（符号位，1 位） | E（阶码，8 位） | F（尾数的小数部分，23 位）

对于规格化数，阶码 $E$ 满足 $1\le E\le254$，其数值为：

$$(-1)^S\times(1.F)_2\times2^{E-127}$$

其中，$E$ 是存储的偏置阶码，$E-127$ 才是真实指数；$1.F$ 中的最高位 1 是隐藏位，不实际存入尾数字段。因此，float32 规格化数有 24 位二进制有效数字。

格式	符号位	阶码位数	小数位数	偏置值（bias）	规格化数的有效位数
float32	1	8	23	127	24
float64	1	11	52	1023	53

隐藏位为 1 的规则只适用于规格化数。 非规格化数（subnormal）的尾数为 $(0.F)_2$，用于表示接近零的极小数。格式说明

加减运算流程

重点：对阶 → 尾数加减 → 规格化 → 舍入 → 检查溢出与特殊情况。

减法可以统一理解为 $A-B=A+(-B)$。将减法转为加法、完成对阶后：

• 同号： 尾数相加，保留共同的符号。
• 异号： 尾数的绝对值相减，非零结果的符号由绝对值较大的操作数决定。
• 完全抵消： 结果为零，其符号按 IEEE 754 的有符号零规则处理。

1. 对阶

小指数向大指数对齐： 将指数较小的数的尾数右移，移动位数等于指数差，同时增大其指数，保持数值不变。

例如，将 $1.101_2\times2^3$ 与 $1.001_2\times2^1$ 对阶：

$$1.001_2\times2^1=0.01001_2\times2^3$$

于是，两个尾数变成同一指数下的 $1.10100_2$ 和 $0.01001_2$。

对阶时应保留足够的辅助信息供后续舍入使用。由于最终可保存的位数有限，较小数的贡献仍可能在舍入后消失，出现“大数吃小数”。

2. 尾数加减

对阶完成后，按符号进行二进制尾数运算。例如：

$$(1.10100_2+0.01001_2)\times2^3 =1.11101_2\times2^3$$

减法可能使高位抵消，例如：

$$(1.101_2-1.001_2)\times2^3 =0.100_2\times2^3$$

后者尚未规格化，需要继续调整尾数与指数。

3. 规格化

非零规格化数应写成 $1.xxxxx_2\times2^e$ 的形式。

情况	操作	示例
尾数出现进位，整数部分为 10 或 11	尾数右移一位，指数加 1	$11.0_2\times2^3=1.10_2\times2^4$
尾数非零，但整数部分为 0	尾数左移，每移一位，指数减 1	$0.100_2\times2^3=1.000_2\times2^2$

左移时若达到最小规格化指数仍无法得到前导 1，应按非规格化数处理；结果为零时不再尝试规格化。

4. 舍入

尾数位数有限，超出目标精度的部分需要按舍入规则处理。为正确判断舍入方向，运算中常保留 GRS 位：

辅助位	含义
G：Guard bit，保护位	最低保留位之后的第一位
R：Round bit，舍入位	G 之后的第二位
S：Sticky bit，粘滞位	R 之后所有位的逻辑或；只要其中有一个 1，S 就为 1

这里的 S 是粘滞位，与浮点数格式中的符号位 S 含义不同。

例如：

保留部分   | G | R | 后续位
101101...  | 1 | 0 | 001010...

后续位中存在 1，所以粘滞位为 1，最终 GRS = 101。

默认舍入方式：就近舍入，中间值取偶（round to nearest, ties to even）。 选择最接近精确结果的可表示数；若恰好位于两个可表示数的正中间，则选择最低保留位为 0 的那个数。

在这种舍入方式下，可根据 GRS 判断是否向保留部分加 1：

1. GRS = 100： 刚好在中间，选择最低保留位为 0 的结果；原最低保留位为 0 时不进位，为 1 时进位。
2. GRS 大于 100： 超过中间值，进位。
3. GRS 小于 100： 未到中间值，不进位。

借用“只保留整数”的例子理解：

2.4 → 2    2.6 → 3
2.5 → 2    3.5 → 4

常见的其他舍入方式还有向 $+\infty$、向 $-\infty$ 和向 0 舍入。

舍入也可能使尾数产生进位，此时还要再做一次右规，并检查指数是否超出范围。

5. 检查溢出与特殊情况

• 上溢： 结果超出有限数的可表示范围时，根据符号和舍入模式得到无穷大或最大有限数。
• 极小结果： 可能表示为非规格化数，或舍入为零，不能一概直接置零。
• 特殊值： IEEE 754 还包含 $+0$、$-0$、$+\infty$、$-\infty$ 和 NaN；它们应按特殊规则处理，例如 $+\infty+(-\infty)$ 得到 NaN。

以上五步是理解普通有限数加减的主线；实际实现还会在运算前识别特殊值。

完整例子：1.5 + 0.75

先将十进制操作数写成二进制规格化形式：

$$1.5=1.1_2\times2^0,\qquad 0.75=1.1_2\times2^{-1}$$

1. 对阶： 将 $0.75$ 的尾数右移一位，得到 $0.11_2\times2^0$。
2. 尾数相加： $1.10_2+0.11_2=10.01_2$。
3. 规格化： $10.01_2\times2^0=1.001_2\times2^1$。
4. 舍入与检查： 结果可以精确表示，无需改变尾数，也没有溢出。

因此：

$$\boxed{1.5+0.75=1.001_2\times2^1=2.25}$$

常见精度问题

大数吃小数

较小数的尾数在对阶时右移；若其贡献不足以改变最终舍入结果，就可能出现：

很大的数 + 很小的数 = 很大的数

这与有限精度和舍入有关，并非数学上的相等。

灾难性消减

两个非常接近的数相减，高位有效数字会大量抵消。例如，$1.234567-1.234566$ 的精确差值只有 $0.000001$。

若操作数已带有表示误差或先前运算的舍入误差，这些误差可能在差值中占据很大比例，使结果的相对误差显著放大。 因此，相近数相减并不一定产生新的舍入误差，关键是抵消后暴露了已有误差。消减误差说明

加法不一定满足结合律

每一步运算都可能舍入，因此，浮点运算中的 $(a+b)+c$ 与 $a+(b+c)$ 不保证相等，改变计算顺序可能改变最终结果。

补充：数组对齐

常规数组的自然对齐要求由数组元素的类型决定，不由数组长度决定。