我是通过一个浮动像这样的所有可能值试图循环：任何人都可以向我解释这个浮点奇怪吗？
float i = 0.0F;
float epsilon = float.Epsilon;
while (i != float.MaxValue) {
i += epsilon;
}
但到达值2.3509887E-38F之后不再增加。
float init = 2.3509887E-38F;
float f = (init + float.Epsilon);
Console.WriteLine(f == init);
我只是好奇，任何人都可以解释为什么？
所以，我可以在四舍五入错误之前将一个16777216的浮点数添加到epsilon，并且该数字看起来非常熟悉（2^24）。
这里有很多非常毛茸茸的想法。浮点数不是“不精确”的。没有“可能”。这是一个确定性系统，就像计算机上的其他任何东西一样。
不要通过查看十进制表示来分析发生了什么。如果您以二进制或十六进制查看这些数字，此行为的来源就显而易见了。让我们用二进制：
float.Epsilon is b1.0 x 2^-149
2.3509887E-38 is b1.0 x 2^-125
如果加上这两个数字加在一起，无限精确的（未四舍五入）之和为：
b1.000 0000 0000 0000 0000 0000 1 x 2^-125
注意，这笔款项的有效数为25个位宽（我将二进制数字分组为四个组，以使它们更容易计数）。这意味着它不能以单精度表示，所以这个总和的结果是这个值不是，而是这个值四舍五入到可以代表的关闭float。两个最接近的可表示数字是：
b1.000 0000 0000 0000 0000 0000 x 2^-125
b1.000 0000 0000 0000 0000 0001 x 2^-125
我们的号码正好在它们之间。由于您尚未在您的程序中设置舍入模式，因此我们处于默认舍入模式，称为“舍入到最近，与偶数相关”。因为这两个选项同样接近，所以通过选择最低位为零的那个来打破平局。因此，2^-125 + 2^-149四舍五入为2^-125，这就是“停止增长”的原因。
当某些东西四舍五入时，它几乎是根据定义*不精确*。你甚至可以通过参考“无限精确的（未被理解的）总和”来确定它的意义。一旦四舍五入，就不再精确。 –
你所说的答案绝对比我的更精确。 –
@AndrewBarber：圆整的结果不等于通常所说的“无限精确”（实数）结果。但是，它恰恰是*浮点算术结果。两者都是精确的数字;只是算术系统不同 - 如果我在同一个硬件上反复添加这两个浮点数，每次都会得到相同的结果。这是精确的。 –
浮点数不准确;它们只能保存如此多的有效数字，并且如果需要存储其当前值，将忽略被认为“太微不足道”的值。
关键是名称的“浮动”部分;该变量让'point'浮动到需要存储值的地方，这意味着浮点变量可以存储非常大或非常精确的值，因为它可以'移动'它所需的点。但它通常不能存储既大又精确的值。
但'大'简化它太多;任何具有大量显着数值的数字都不能存储太多精确的数值。由于您正在尝试添加非常小的内容，因此很可能会失去快速处理此类精度的能力。
如果您记下了一个非常大的值，您可能会发现即使添加/减少整数仍然不会导致更改。
编辑：见斯蒂芬佳能的答案更准确答案也。 ;）
由于epsilon（1.401298E-45）与2.3509887E-38F相比太小，将两者加在一起时，float中没有足够的位来精确地表示总和，并且整个eps丢失。
计算机上的浮点数学算法并不适用于我们在学校教数学的方式，因为这里的数字用有限的位数来表示，这将数学限制在某个范围的值（最小值和最大值）和某些有限的精度（尾数位数）。
你的第二个代码输出'false' ... –
看到这个类似的问题，它应该给你一些见解:) http://stackoverflow.com/questions/4251298/why-float-maxvalue-float-maxvalue-1-确实返回true – Martin
Blimey，这将需要一段时间。 –