应使用误差容限策略比较浮点数，因直接用==可能导致错误；常用方法是定义EPS（如1e-9），通过std::abs(a-b)<EPS判断近似相等；对极大或极小值，宜结合相对误差，采用diff<EPS || diff<EPS*maxAbs增强鲁棒性；可借助std::numeric_limits<double>::epsilon()获取机器精度，但需放大作为阈值；避免直接比较a==b、直接使用epsilon()及仅用相对误差处理零值附近数据；综合绝对与相对误差最稳妥。
在C++中，直接使用==操作符比较两个浮点数是否相等往往会导致错误结果。这是因为浮点数在计算机中以二进制形式存储，存在精度丢失问题。例如，0.1 + 0.2并不精确等于0.3。因此，判断浮点数相等应采用“近似相等”的策略。
使用误差容限（Epsilon）进行比较
最常用的方法是定义一个小的误差范围（通常称为 epsilon），当两个浮点数的差值小于该范围时，认为它们相等。
示例代码：
const double EPS = 1e-9;
bool isEqual(double a, double b) {
return std::abs(a - b) < EPS;
}
这里EPS取1e-9适用于大多数双精度浮点数场景。可根据实际精度需求调整。
立即学习“C++免费学习笔记（深入）”；
相对误差与绝对误差结合
对于极大或极小的数值，仅用固定epsilon可能不够准确。应结合相对误差来提高鲁棒性。
推荐的比较方式：
bool isEqual(double a, double b) {
double diff = std::abs(a - b);
double maxAbs = std::max(std::abs(a), std::abs(b));
return diff < EPS || diff < EPS * maxAbs;
}
这种方法同时考虑了绝对差值和相对比例，能更可靠地处理不同数量级的数据。
使用std::numeric\_limits获取机器精度
C++标准库提供了std::numeric_limits，可用于获取浮点类型的最小有效精度。
示例：
#include <limits>
double eps = std::numeric_limits<double>::epsilon();
注意：epsilon()表示1.0到下一个可表示数的距离，并不直接适合作为通用比较阈值。一般建议使用epsilon() * N作为容差，其中N是计算中涉及的操作次数或缩放因子。
避免常见错误
以下做法应避免：
- 直接使用
a == b比较浮点数 - 将
epsilon()直接当作比较阈值而不放大 - 对零值附近的数只用相对误差（会导致除零或误判）
若其中一个数可能为零，应优先使用绝对误差判断。
基本上就这些。浮点数比较的关键是理解精度限制，选择合适的容差策略。多数情况下，结合绝对与相对误差的方法最为稳妥。
