这不应该发生。如果dt是次，则会出现浮点错误。但这意味着您已经完成了大约时间步，我认为您不太可能这样做，因为这将花费非常长的时间。$10^{-13}$cur_time$10^{13}$

在实践中，您执行如此多的时间步以使舍入是错误的可能性非常小。

您更新的问题意味着您需要非常精确地知道当前时间 - 精确到数量级的差异是不可接受的。如果您需要以比几倍双精度舍入误差更好的精度跟踪某些东西，唯一的选择是使用双精度数字以外的东西。您可以使用更高精度的浮点数（请参阅mpmath）或有理算术（请参阅sympy）。 $10^{-14}$

（如果可能，您可能希望在其他地方使用它时将转换为双精度浮点数，以避免减慢整个代码的速度。但是当您的时间变量达到时，您的解决方案也可能被视为的解决方案，其中无论如何都与双精度舍入有关）。$\Delta t$$T$$\hat{T} = T + \epsilon$$\epsilon$

也不要被计算机显示的精度误导，并记住错误不会以相同的方式叠加，具体取决于您对相同值的计算。

考虑以下：

import numpy as np # Personnal comfort, not relevant here.
dt = 0.2
n  = 100
add_time, mul_time = np.zeros(n), np.zeros(n)
for i in range(n):
    if i == 0:
        add_time[i], mul_time[i] = 0.2
    else:
        add_time[i] = add_time[i-1] + dt
        mul_time[i] = (i-1)*dt
add_time[-5:], mul_time[-5]

这导致以下情况：

(array([ 19.2,  19.4,  19.6,  19.8,  20. ]), array([ 19.2,  19.4,  19.6,  19.8,  20. ]))

但出于演示目的，我打印了以下内容：

print "add_time: {0:18.18f}\n {1:18.18f}\n {2:18.18f}\n {3:18.18f}\n {4:18.18f}\n mul_time: {5:18.18f}\n {6:18.18f}\n {7:18.18f}\n {8:18.18f}\n {9:18.18f}\n".format(add_time[-5], add_time[-4], add_time[-3], add_time[-2], add_time[-1], mul_time[-5], mul_time[-4], mul_time[-3], mul_time[-2], mul_time[-1])
add_time: 19.199999999999963762
19.399999999999963052
19.599999999999962341
19.799999999999961631
19.999999999999960920
mul_time: 19.200000000000002842
19.400000000000002132
19.600000000000001421
19.800000000000000711
20.000000000000000000

我最初的猜测也是这很好用，因为 dt 设置为 0.2 的值，但由于浮点精度，你总是会出现舍入错误。但是，如果您可以通过最少的操作提前存储您的值，就像这个简短示例中的时间步长一样，请执行此操作。操作次数越少，误差越小。

编辑：从打印的数组中减去预期值时，可以注意以下简单精度：

add_time: -0.000000000000035527
0.000000000000035527
0.000000000000039080
0.000000000000039080
0.000000000000039080
mul_time: 0.000000000000003553
0.000000000000003553
0.000000000000000000
0.000000000000000000
0.0000000000000000000000000

我们处于精确设置中，其中的错误甚至与打印无关。因此，我实际上建议在每次更改时间步时设置一个标志，并使用以下内容计算新的时间步，例如：