Java 应用程序拒绝将输出显示为浮点数。

Question

问题：我在计算整数除法并显示为双精度（浮点）时遇到问题。在较低的数字上，它显示为浮点数，但似乎将值四舍五入为 11.0、9.0、28.0。在尝试通过其他 StackO 帖子解决问题后，我似乎无法使其保持一致。我已经通过一些解决方案能够将其显示为浮点解决方案，但是通过测试命令运行，结果在它们是否显示为浮点时不一致。作业要求：编写一个程序 RandomWalkers.java，它接受两个整数命令行参数“r”和“trials”。在每个试验独立实验中，模拟随机游走，直到随机游走者与起点的曼哈顿距离为 r。打印平均步数。随着 'r' 的增加，我们预计随机游走者会采取越来越多的步骤。但是还有多少步骤？使用 RandomWalkers.java 制定关于平均步数如何作为“r”函数增长的假设。通过生成随机样本和聚合结果来估计未知量是蒙特卡罗模拟的一个例子——一种强大的计算技术，广泛用于统计物理学、计算金融和计算机图形学。您不能调用除 java.lang 中的库函数（例如Integer.parseInt()和Math.sqrt()）之外的库函数。仅使用课程中已经介绍过的 Java 特性（例如，循环和条件，但不使用数组）。我试过的：阅读至少 30 多个不同的 StackOverflow 和其他各种网站页面，将整数除法显示为浮点（双）等，并尝试了其中的所有内容。avgSteps = (double) totalNumSteps / trials;将部分/所有变量更改为 Double(totalNumSteps * 1.0) / trials;(totalNumSteps + 0.0) / trials;我有时会取得突破，但随后我对其进行了更多测试，但由于部分或全部参数传递给应用程序而失败。代码：下面的代码是代码的清理后的基本版本，减去上面的任何测试。public class RandomWalkers {    public static void main(String[] args) {        int r = Integer.parseInt(args[0]);        int trials = Integer.parseInt(args[1]);        int x = 0;        int xx = 0;        int y = 0;        int yy = 0;        int numSteps = 0;        int totalNumSteps = 0;        double randNum = 0.0;        double avgSteps = 0.0;        for (long i = 0; i < trials; i++) {            while (Math.abs(x - xx) + Math.abs(y - yy) != r) {                randNum = Math.random();                if (randNum <= .25) {                    // North                    yy++;                } else if (randNum <= .5) {                    // East                    xx++;                } else if (randNum <= .75) {                    // South                    yy--;                } else {                    // West                    xx--;                }                numSteps++;            }            totalNumSteps += numSteps;        }        avgSteps = totalNumSteps / trials;        System.out.println("average number of steps = " + avgSteps);    }}

Answer 1

所以这里有两个问题。1) 正如 Carlos Heuberger 所指出的，每次循环时都需要重新初始化变量。2）正如您所指出的，将除法设置为实数除法，而不是整数的“div”运算符需要一些注意。我对您的代码进行了这两项更改（for 循环中的前 5 行；（1.0 * 试验）），它似乎通过了所有测试。你很亲密。

public class RandomWalkers {

public static void main(String[] args) {

    int r = Integer.parseInt(args[0]);

    int trials = Integer.parseInt(args[1]);

    int x = 0;

    int xx = 0;

    int y = 0;

    int yy = 0;

    int numSteps = 0;

    int totalNumSteps = 0;

    double randNum = 0.0;

    double avgSteps = 0.0;

    for (long i = 0; i < trials; i++) {

        x = 0;

        xx = 0;

        y = 0;

        yy = 0;

        numSteps = 0;

        while (Math.abs(x - xx) + Math.abs(y - yy) != r) {

            randNum = Math.random();

            if (randNum <= .25) {

                // North

                yy++;

            } else if (randNum <= .5) {

                // East

                xx++;

            } else if (randNum <= .75) {

                // South

                yy--;

            } else {

                // West

                xx--;

            }

            numSteps++;

        }

        totalNumSteps += numSteps;

    }

    avgSteps = totalNumSteps / (1.0 * trials);

    System.out.println("average number of steps = " + avgSteps);

   }

}

Answer 2

当变量声明远离其赋值或使用站点时，往往会发生此类错误。

使用Java Microbenchmark Harness(JMH)我无法看到重新分配和重新声明变量之间的明显性能优势。

Math.Random但是，当替换为RANDOM.nextInt(4)和时，我能够看到巨大的（超过 2 倍的速度）switch

import java.util.Random;

public class RandomWalkers {

    static final Random RANDOM = new Random();

    public static void main(final String[] args) {

        int r = Integer.parseInt(args[0]);

        int trials = Integer.parseInt(args[1]);

        int totalNumSteps = 0;

        for (long i = 0; i < trials; i++) {

            int x = 0;

            int xx = 0;

            int y = 0;

            int yy = 0;

            int numSteps = 0;

            while (Math.abs(x - xx) + Math.abs(y - yy) != r) {

                switch (RANDOM.nextInt(4)) {

                    case 0:

                        // North

                        yy++;

                        break;

                    case 1:

                        // East

                        xx++;

                        break;

                    case 2:

                        // South

                        yy--;

                        break;

                    default:

                        // West

                        xx--;

                }

                numSteps++;

            }

            totalNumSteps += numSteps;

        }

        double avgSteps = totalNumSteps / (1.0 * trials);

        System.out.println("average number of steps = " + avgSteps);

    }

}

P0.95 r = 40 的结果

• 重新分配：299.368 毫秒/操作

• 重新声明RandomIntSwitch：139.107 毫秒/操作

我们可以做得更好

显式if条件虽然可读性稍差，但（在这种情况下）比switch

此外，由于我们在单线程上下文中运行，我们可以将 替换java.util.Random为java.util.concurrent.ThreadLocalRandom。

此外，显式转换double比乘以更清晰，1.0并为我们节省了两个字节码。

P0.95 r = 40 的结果

• 重新分配：299.368 毫秒/操作

• 重新声明RandomIntSwitch：139.107 毫秒/操作

• 重新声明ThreadLocalRandomIntIf：122.539 ms/op

下面的代码快了将近 2.5 倍。

package com.stackoverflow.q56030483;

import java.util.concurrent.ThreadLocalRandom;

@SuppressWarnings("javadoc")

public class RandomWalker {

    public static void main(final String[] args) {

        int r = Integer.parseInt(args[0]);

        int trials = Integer.parseInt(args[1]);

        int totalNumSteps = 0;

        final ThreadLocalRandom threadLocalRandom = ThreadLocalRandom.current();

        for (long i = 0; i < trials; i++) {

            int x = 0;

            int xx = 0;

            int y = 0;

            int yy = 0;

            int numSteps = 0;

            while (Math.abs(x - xx) + Math.abs(y - yy) != r) {

                final int direction= threadLocalRandom.nextInt(4);

                // North

                if (direction == 0) {

                    yy++;

                // East

                } else if (direction == 1) {

                    xx++;

                // South

                } else if (direction == 2) {

                    yy--;

                // West

                } else {

                    xx--;

                }

                numSteps++;

            }

            totalNumSteps += numSteps;

        }

        System.out.println("average number of steps = " + totalNumSteps / (double) trials);

    }

}

Benchmark                                                                (arg)    Mode    Cnt    Score   Error  Units

RandomWalkers.reassign                                                       3  sample  37256    1.611 ± 0.002  ms/op

RandomWalkers.reassign:reassign·p0.00                                        3  sample           1.475          ms/op

RandomWalkers.reassign:reassign·p0.50                                        3  sample           1.593          ms/op

RandomWalkers.reassign:reassign·p0.90                                        3  sample           1.686          ms/op

RandomWalkers.reassign:reassign·p0.95                                        3  sample           1.780          ms/op

RandomWalkers.reassign:reassign·p0.99                                        3  sample           1.999          ms/op

RandomWalkers.reassign:reassign·p0.999                                       3  sample           2.507          ms/op

RandomWalkers.reassign:reassign·p0.9999                                      3  sample           4.367          ms/op

RandomWalkers.reassign:reassign·p1.00                                        3  sample          10.371          ms/op

RandomWalkers.reassign                                                      10  sample   3528   17.029 ± 0.063  ms/op

RandomWalkers.reassign:reassign·p0.00                                       10  sample          15.548          ms/op

RandomWalkers.reassign:reassign·p0.50                                       10  sample          16.712          ms/op

RandomWalkers.reassign:reassign·p0.90                                       10  sample          18.416          ms/op

RandomWalkers.reassign:reassign·p0.95                                       10  sample          18.842          ms/op

RandomWalkers.reassign:reassign·p0.99                                       10  sample          20.690          ms/op

RandomWalkers.reassign:reassign·p0.999                                      10  sample          27.636          ms/op

RandomWalkers.reassign:reassign·p0.9999                                     10  sample          36.176          ms/op

RandomWalkers.reassign:reassign·p1.00                                       10  sample          36.176          ms/op

RandomWalkers.reassign                                                      40  sample    227  268.714 ± 3.270  ms/op

RandomWalkers.reassign:reassign·p0.00                                       40  sample         251.134          ms/op

RandomWalkers.reassign:reassign·p0.50                                       40  sample         262.144          ms/op

RandomWalkers.reassign:reassign·p0.90                                       40  sample         296.223          ms/op

RandomWalkers.reassign:reassign·p0.95                                       40  sample         299.368          ms/op

RandomWalkers.reassign:reassign·p0.99                                       40  sample         303.416          ms/op

RandomWalkers.reassign:reassign·p0.999                                      40  sample         305.136          ms/op

RandomWalkers.reassign:reassign·p0.9999                                     40  sample         305.136          ms/op

RandomWalkers.reassign:reassign·p1.00                                       40  sample         305.136          ms/op

RandomWalkers.redeclareRandomIntSwitch                                       3  sample  69486    0.863 ± 0.001  ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.00        3  sample           0.763          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.50        3  sample           0.843          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.90        3  sample           0.925          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.95        3  sample           1.028          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.99        3  sample           1.155          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.999       3  sample           1.721          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.9999      3  sample           5.181          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p1.00        3  sample           9.355          ms/op

RandomWalkers.redeclareRandomIntSwitch                                      10  sample   7072    8.485 ± 0.040  ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.00       10  sample           7.668          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.50       10  sample           8.143          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.90       10  sample           9.650          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.95       10  sample          10.109          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.99       10  sample          11.960          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.999      10  sample          20.399          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.9999     10  sample          25.919          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p1.00       10  sample          25.919          ms/op

RandomWalkers.redeclareRandomIntSwitch                                      40  sample    466  130.302 ± 0.872  ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.00       40  sample         123.732          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.50       40  sample         128.844          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.90       40  sample         135.083          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.95       40  sample         139.107          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.99       40  sample         155.153          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.999      40  sample         182.452          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p0.9999     40  sample         182.452          ms/op

RandomWalkers.redeclareRandomIntSwitch:redeclareRandomIntSwitch·p1.00       40  sample         182.452          ms/op

RandomWalkers.redeclareThreadLocalRandomIntIf                                               40  sample   96  107.953 ± 2.148  ms/op

RandomWalkers.redeclareThreadLocalRandomIntIf:redeclareThreadLocalRandomIntIf·p0.00          40  sample        99.746          ms/op

RandomWalkers.redeclareThreadLocalRandomIntIf:redeclareThreadLocalRandomIntIf·p0.50          40  sample       107.676          ms/op

RandomWalkers.redeclareThreadLocalRandomIntIf:redeclareThreadLocalRandomIntIf·p0.90          40  sample       113.797          ms/op

RandomWalkers.redeclareThreadLocalRandomIntIf:redeclareThreadLocalRandomIntIf·p0.95          40  sample       122.539          ms/op

RandomWalkers.redeclareThreadLocalRandomIntIf:redeclareThreadLocalRandomIntIf·p0.99          40  sample       130.810          ms/op

RandomWalkers.redeclareThreadLocalRandomIntIf:redeclareThreadLocalRandomIntIf·p0.999         40  sample       130.810          ms/op

RandomWalkers.redeclareThreadLocalRandomIntIf:redeclareThreadLocalRandomIntIf·p0.9999     40  sample       130.810          ms/op

RandomWalkers.redeclareThreadLocalRandomIntIf:redeclareThreadLocalRandomIntIf·p1.00       40  sample       130.810          ms/op