math.ulp() 用于量化当前浮点数值下可表示的最小单位变化量（即ulp），反映相邻浮点数间距，随数值增大而增大；常用于近似相等判断、精度丢失诊断及算法稳定性验证。
Math.ulp() 不是用来“判定误差”，而是用来**量化当前浮点数值下可表示的最小单位变化量**——即“最低有效位（Unit in the Last Place）”。它告诉你：在该数值附近，两个相邻浮点数之间的距离是多少。这个值随数值大小动态变化，是理解、评估和调试浮点计算精度问题的关键工具。
理解 ulp 的本质：它不是固定误差阈值
浮点数在内存中以 IEEE 754 格式存储（如 float 为 32 位，double 为 64 位），其精度并非均匀分布。数值越大，相邻可表示数之间的间隔（ulp）也越大；数值越接近零，ulp 越小（但非零）。
- Math.ulp(1.0) 返回的是 1.0 附近两个相邻 double 值的差，约为 2.22e-16（即 2⁻⁵²）
- Math.ulp(1000000.0) 返回约 1.136e-10（明显变大）
- Math.ulp(Double.MIN_NORMAL) 返回最小正规数对应的 ulp（极小但非零）
用 ulp 辅助判断“是否可视为相等”
直接用 == 比较浮点结果往往不可靠。借助 ulp 可定义更合理的“近似相等”逻辑：
- 比较两数差的绝对值是否 ≤ n × Math.ulp(Math.max(Math.abs(a), Math.abs(b)))
- n 通常取 1–10，代表允许“几个 ulp 的偏差”，例如 n=2 表示允许最多跨越两个相邻可表示值
- 注意：应以较大绝对值的数为基准计算 ulp，避免在小数值处过度放大容差
识别计算过程是否“丢失精度”
当某次运算（如减法、除法）导致结果数量级远小于输入时，相对误差可能激增。此时对比结果的 ulp 与原始数据的 ulp 或预期误差量级，能揭示问题：
- 例如：
double a = 1e15; double b = 1e15 + 1; double diff = a - b;—— 实际 diff 是 0.0，因为 1 小于 Math.ulp(1e15)（约 0.125），无法被 double 表示 - 若你预期得到一个微小非零值，但结果为 0，检查 Math.ulp(largerInput) 是否远大于你的理论误差项，就能确认这是精度不足导致的“吞没”
实际使用建议
- 对 double 类型优先用 Math.ulp(double)；float 用 Math.ulp(float)
- 避免对 NaN、无穷大调用 ulp（返回 NaN）；对 0.0 返回 Double.MIN_NORMAL（最小正规数）
- 在单元测试中验证数值算法稳定性时，用 ulp 容差比固定小数位（如 1e-10）更鲁棒
- 注意：ulp 是“表示能力”的度量，不是误差来源本身；它帮你回答“这个误差是否在浮点系统能力范围内”
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
