我有一个解方程的数字代码，f(x) = 0我必须在其中提高x幂p。我用一堆东西来解决它，但最后我有牛顿的方法。解决方案恰好等于x = 1，因此是我的问题的原因。例如，当迭代解决方案接近 时1，x = 1 + 1e-13计算所需的时间std::pow(x, p)会大大增加，很容易增加 100 倍，使我的代码无法使用。
运行这个东西的机器是CentOS上的AMD64（Opteron 6172），命令很简单y = std::pow(x, p);。类似的行为出现在我所有的机器上，都是 x64。如此处所述，这不仅是我的问题（即，其他人也很生气），仅出现在 x64 上且仅用于x接近1.0. 类似的事情也发生在exp。
解决这个问题对我来说至关重要。有谁知道是否有办法绕过这种缓慢？
编辑：约翰指出这是由于非规范化。那么问题来了，如何解决这个问题？代码是 C++，编译后g++用于GNU Octave. 看来，尽管我已设置CXXFLAGS包含-mtune=nativeand -ffast-math，但这并没有帮助，代码运行速度也一样慢。
现在的伪解决方案：对于所有关心这个问题的人，下面建议的解决方案对我个人来说并不适用。我真的需要平时的速度std::pow()，但没有周围的呆滞x = 1。我个人的解决方案是使用以下技巧：
inline double mpow(double x, double p) __attribute__ ((const));
inline double mpow(double x, double p)
{
double y(x - 1.0);
return (std::abs(y) > 1e-4) ? (std::pow(x, p)) : (1.0 + p * y * (1.0 + (p - 1.0) * y * (0.5 + (1.0 / 6.0) * (p - 2.0) * y)));
}
界限可以改变，但对于 -40 < p < 40，误差小于大约 1e-11，这已经足够了。与我发现的相比，开销很小，因此为我解决了这个问题。