跳转至

Kahan 求和

引入

Kahan 求和 算法,又名补偿求和或进位求和算法,是一个用来 降低有限精度浮点数序列累加值误差 的算法。它主要通过保持一个单独变量用来累积误差(常用变量名为 \(c\))来完成的。

该算法主要由 William Kahan 于 1960s 发现。因为 Ivo Babuška 也曾独立提出了一个类似的算法,Kahan 求和算法又名为 Kahan-Babuška 求和算法。

舍入误差

在计算机程序中,我们需要用有限位数对实数做近似表示,如今的大多数计算机都使用 IEEE-754 规定的浮点数来作为这个近似表示。对于 \(\frac{1}{3}\),由于我们不能在有限位数内对它进行精准表示,因此在使用 IEEE-754 表示法时,必须四舍五入一部分数值(truncate)。这种 舍入误差(Rounding off error)是浮点计算的一个特征。

在浮点加法计算中,交换律(commutativity)成立,但结合律(associativity)不成立。也就是说,\(a+b = b+a\)\((a+b)+c \neq a+(b+c)\)。因此在浮点序列加法计算中,我们可以从左到右一个个累加,也可以在原有顺序上,将他们两两分成一对。第二种算法会相对较慢并需要更多内存,也常被一些语言的特定求和函数使用,但相对结果更准确。

为了得到更准确的浮点累加结果,我们需要使用 Kahan 求和算法。

在计算 \(S_{new}=S_{old}+a\)\(a\) 为浮点序列的一个数值)时,定义实际计算加入 \(S\) 的值为 \(a_{eff}=S_{new}-S_{old}\), 如果 \(a_{eff}\)\(a\) 大,则证明有向上舍入误差;如果 \(a_{eff}\)\(a\) 小,则证明有向下舍入误差。则舍入误差定义为 \(E_{roundoff} = a_{eff} - a\)。那么用来纠正这部分舍入误差的值就为 \(a-a_{eff}\), 即 \(E_{roundoff}\) 的负值。定义 \(c\) 是对丢失的低位进行运算补偿的变量,就可以得到 \(c_{new} = c_{old} + (a - a_{eff})\)

过程

Kahan 求和算法主要通过一个单独变量用来累积误差。如下方参考代码所示,\(sum\) 为最终返回的累加结果。\(c\) 是对丢失的低位进行运算补偿的变量(其被舍去的部分),也是 Kahan 求和算法中的必要变量。

因为 \(sum\) 大,\(y\) 小,所以 \(y\) 的低位数丢失。\((t - sum)\) 抵消了 \(y\) 的高阶部分,减去 \(y\) 则会恢复负值(\(y\) 的低价部分)。因此代数值中 \(c\) 始终为零。在下一轮迭代中,丢失的低位部分会被更新添加到 \(y\)

实现

参考代码
C++
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
float kahanSum(vector<float> nums) {
  float sum = 0.0f;
  float c = 0.0f;
  for (auto num : nums) {
    float y = num - c;
    float t = sum + y;
    c = (t - sum) - y;
    sum = t;
  }
  return sum;
}

习题

在 OI 中,Kahan 求和主要作为辅助工具存在,为计算结果提供误差更小的值。

例题 CodeForces Contest 800 Problem A. Voltage Keepsake

\(n\) 个同时使用的设备。第 \(i\) 个设备每秒使用 \(a_{i}\) 单位的功率。这种用法是连续的。也就是说,在 \(\lambda\) 秒内,设备将使用 \(\lambda \times a_{i}\) 单位的功率。第 \(i\) 个设备当前存储了 \(b_{i}\) 单位的电力。所有设备都可以存储任意数量的电量。有一个可以插入任何单个设备的充电器。充电器每秒会为设备增加 \(p\) 个单位的电量。这种充电是连续的。也就是说,如果将设备插入 \(\lambda\) 秒,它将获得 \(\lambda \times p\) 单位的功率。我们可以在任意时间单位内(包括实数)切换哪个设备正在充电(切换所需时间忽略不计)。求其中一个设备达到 \(0\) 单位功率前,可以使用这些设备的最长时间。

例题 CodeForces Contest 504 Problem B. Misha and Permutations Summation

定义数字 \(0, 1, \cdots, (n - 1)\) 的两个排列 \(p\)\(q\) 的和为 \(Perm((Ord(p)+Ord(q))\bmod n!)\),其中 \(Perm(x)\) 是数字 \(0, 1, \cdots, (n-1)\) 的第 \(x\) 个字典排列(从零开始计数),\(Ord(p)\) 是字典序排列 \(p\) 的个数。例如,\(Perm(0) = (0, 1, \cdots , n - 2, n - 1)\)\(Perm(n! - 1) = (n - 1, n-2,\cdots, 1,0))\)。Misha 有两个排列 \(p\)\(q\),找到它们的总和。

编程语言的求和

Python 的标准库指定了精确舍入求和的 fsum 函数可用于返回可迭代对象中值的准确浮点总和,它通过使用 Shewchuk 算法跟踪多个中间部分和来避免精度损失。

Julia 语言中,sum 函数的默认实现是成对求和,以获得高精度和良好的性能。同时外部库函数 sum_kbn 为需要更高精度的情况提供了 Neumaier 变体的实现,具体可见 KahanSummation.jl

参考资料与注释

  1. Kahan_summation_algorithm - Wikipedia
  2. Kahan summation - Rosetta Code
  3. VK Cup Round 2 + Codeforces Round 409 Announcement
  4. Rounding off errors in Java - GeeksforGeeks