递归幂运算MIPS代码的浮点数精度问题排查

我编写了一段用于递归计算数值幂的MIPS代码，整体逻辑看似正确，但测试时得到5^-2 = 0.04000000000000001的结果。想请教这个情况是计算机架构导致的，还是代码存在错误？

数据段中包含一个double类型数组和一个整数幂数组，代码如下：

.data
double_array: .double 5.0 2.0 -3.0 -3.0 -4.2 5.0 -2.0 0.0 0.0
power_array: .word -2 -4 2 1 0 -2 -3 0 10
N_OF_CASES: .word 9
str_case: .asciiz "case_"
str_colon: .asciiz ": "
str_equal: .asciiz " = "
str_power: .asciiz "^"
str_newLine: .asciiz "\n"
one: .double 1.0
zero: .double 0.0

main:
    lw $t1, N_OF_CASES
    la $t2, double_array
    la $t3, power_array
    li $t4, 0

loop:
    lw $a1, ($t3)
    lw $t0, ($t3)
    l.d $f14, ($t2)
    l.d $f16, ($t2)
    jal power
    
    li $v0, 3
    mov.d $f12, $f16
    syscall
    
    li $v0, 4
        la $a0, str_power
        syscall
        
        li $v0, 1
        move $a0, $t0
        syscall
        
        li $v0, 4
        la $a0, str_equal
        syscall
        
        li $v0, 3
        mov.d $f12, $f0
        syscall
        
        la $v0, 4
        la $a0, str_newLine
        syscall
    
    addi $t2, $t2, 8
    addi $t3, $t3, 4
    addi $t4, $t4, 1
    subi $t1, $t1, 1
    
    bnez $t1, loop
    
    li $v0 10
    syscall
power:
    andi $sp 0xfffffff8
    addi $sp $sp -16
    s.d $f20 ($sp)
    sw $ra 8($sp)
    
    li $t7, 0
    beq $a1, $t7, base_case
    
    bgez $a1, not_negative
    
    l.d $f2, one
    div.d $f14, $f2, $f14
    li $t6, -1
    mul $a1, $a1, $t6
    j power

not_negative:
    mov.d $f2, $f14
    subi $a1, $a1, 1
    jal power
    mul.d $f0, $f0, $f2

power_done:
    l.d $f20, ($sp)
    lw $ra, 8($sp)
    addi $sp, $sp, 16
    
    jr $ra
    
base_case:
    l.d, $f0, one
    j power_done

问题分析 #

这个精度误差不是代码错误，也不是MIPS架构的问题，而是IEEE 754浮点数二进制表示的固有特性：

• 0.04等价于1/25，而二进制小数只能精确表示分母是2的幂的分数（比如1/2=0.1₂，1/4=0.01₂）。25无法分解为2的整数次幂，因此0.04无法用二进制浮点数精确存储，只能用最接近的近似值代替，输出时就会显示出类似0.04000000000000001的微小偏差。

代码逻辑验证 #

你的代码逻辑是正确的：

• 负幂处理：将底数取倒数，同时把幂转为正数，符合数学定义
• 递归逻辑：正幂时通过递归逐步累乘，基准情况（幂为0）返回1.0，完全符合幂运算规则
• 栈操作：正确保存和恢复了$f20和$ra寄存器，没有栈溢出或寄存器冲突问题

总结：代码本身没有错误，结果的微小误差是所有遵循IEEE 754标准的浮点数系统都会出现的正常现象。

内容的提问来源于stack exchange，提问作者Alibi Tolebay