在比较单元测试中的双打时，我试图提出一个很好的容忍度。
如果我允许一个固定的容差，正如我在这个网站上看到的（例如return abs(actual-expected) < 0.00001;），由于浮点表示的性质，当数字非常大时，这经常会失败。
如果我在允许的错误百分比方面使用相对容差（例如return abs(actual-expected) < abs(actual * 0.001);，对于小数字，这经常失败（对于非常小的数字，计算本身可能会引入舍入误差）。此外，它在某些范围内允许过多的容差（例如，比较2000 年和 2001 年将过去）。
我想知道是否有任何允许公差的标准算法适用于小数和大数。我应该尝试某种以 2 为底的对数容差来镜像浮点存储吗？我应该根据输入的大小采用混合方法吗？
由于这是在单元测试代码中，因此性能并不是一个重要因素。
公差规范是一项业务功能。没有标准说“所有公差必须在 +/- .001% 以内”。因此，您必须满足您的要求并找出适合您的方法。
看看你的申请。假设它用于某种切割机。它们是金属加工公差吗？0.005 英寸很常见。他们是木柜锯切公差吗？1/32" 是马虎的，1/64" 更好。他们是房屋框架公差吗？不要指望木匠会接近 1/4"。用焊枪手工切割？希望大约一英寸。关键是每个应用程序都依赖于不同的东西，即使他们正在做相同的事情。
如果你只是在谈论一般的“双打”，它们通常不会超过 15 位的精度。浮点数可以达到 7 位数。当我考虑这个问题时，我将它们四舍五入（我不依赖一个双精度超过 14 位的数字，我以六位浮点数停止）；但是，如果我担心超过第 12 位的精度，我通常会处理必须精确平衡的大量美元，而对它们使用非整数数学是个傻瓜。商界人士希望他们的东西平衡到一分钱，并且不赞成四舍五入加法运算！
如果您正在查看诸如三角函数之类的数学库操作，请阅读有关每个函数的库文档。