针对你的Aberth-Ehrlich算法精度问题的解决方案思路 #

先直接回应你的核心疑问：不管是在Delphi内部优化，还是移植到C++/C#，单纯换语言本身不会自动解决精度问题——因为底层的浮点硬件（x86 FPU）是一致的，默认的Double/Extended类型精度上限也相同。但通过针对性的优化，不管是在Delphi还是其他语言，都能在保证精度的前提下提升速度，或者找到精度与速度的平衡点。

在Delphi中规避多精度依赖的优化方向

• 多项式预处理与初始值优化
  Aberth-Ehrlich算法对初始根的猜测和多项式系数的动态范围非常敏感。你可以先对多项式做归一化处理（将首项系数缩为1），或者通过变量替换（比如令x = k*y，选择合适的k缩小系数的数量级），减少大数与小数相乘带来的误差累积。另外，不要随便选初始值，用圆盘定理估计根的分布范围，在范围内生成均匀分布的初始复根，能大幅降低迭代过程中的误差放大概率。
• 浮点运算的误差控制
  虽然你试过Extended类型，但要确保全程用Extended计算，避免中途无意识地转成Double（比如某些Delphi函数默认返回Double）。另外，对累加类的计算（比如多项式求值）改用Kahan求和算法，能有效减少加法的误差累积；在迭代过程中，对每一步的中间结果做合理的舍入（比如保留与当前精度匹配的有效数字），也能抑制误差传递。
• 算法变体的选择
  试试带误差补偿的Aberth-Ehrlich变体：比如在每一轮迭代后，对每个根的近似值做一次局部牛顿法修正，或者加入残差检查，对误差较大的根单独做额外迭代。这些小改动能显著提升高次多项式下的数值稳定性，而不需要切换到多精度库。
• 利用Delphi的编译与硬件优化
  如果你的Delphi版本支持（XE及以后），开启编译器的{$OPTIMIZATION ON}浮点优化选项，或者利用SIMD指令集（比如SSE/AVX）来实现并行化的多项式求值和根更新，既能提升速度，也能减少部分运算误差。

移植到C++/C#的可行性与注意事项

移植到其他语言本身不会消除精度问题，但能获得更多优化工具和库支持：

• C++的优势
  C可以更精细地控制浮点运算模式（比如通过fesetround设置舍入规则），而且有大量成熟的数值库（比如Eigen、Boost.Math）已经实现了稳定的Aberth-Ehrlich算法，这些库的实现经过了严格的数值稳定性测试，比自己手写的代码更可靠。如果要封装DLL给Delphi调用，C的调用约定（stdcall/cdecl）与Delphi完全兼容，非常方便。另外，C++可以结合多精度库（比如MPFR）实现高精度计算，同时通过OpenMP并行化迭代过程，大幅提升多精度版本的速度。
• C#的优势
  C#的System.Numerics.Complex类型封装了稳定的复数运算，而且有像MathNet.Numerics这样的第三方库，提供了优化的多项式根求解实现。不过C#的DLL调用需要注意互操作的细节（比如用[DllImport]声明接口），而且decimal类型虽然精度高，但不适合高次多项式的浮点运算（速度太慢）。
• 注意：不管是C++还是C#，如果只是直接移植你当前的Delphi代码，精度问题依然会存在——核心还是要优化算法的数值稳定性，而不是单纯换语言。

其他平衡精度与速度的思路

• 混合精度计算：先用Double类型快速迭代到根的近似值（此时误差还在可接受范围内），然后切换到低精度的多精度计算（比如MPArith设置较小的精度位数）做最后2-3轮迭代修正，这样既保留了Double的速度，又用多精度消除了最后累积的误差。
• 并行化多精度计算：Aberth-Ehrlich的迭代过程中，每个根的更新（除了分母计算）是独立的，你可以用Delphi的多线程库（比如TThread或Parallel Programming Library）将多精度版本的迭代并行化，能把速度提升数倍，接近Double版本的速度。

内容的提问来源于stack exchange，提问作者Andrii