我需要非常频繁地从java计算Math.exp()，是否有可能让原生版本比java的Math.exp()运行得更快？？
我只尝试了 jni + C，但它比普通的 java 慢。
【问题讨论】：
Math.exp是用C实现的。不过，您可能希望使用更快（不太精确）的算法。
标签： java c optimization java-native-interface
使用 Java 的。
另外，缓存 exp 的结果，然后你可以比重新计算更快地查找答案。
【讨论】：
您还想在 C 中包装任何循环调用 Math.exp()。否则，Java 和 C 之间的编组开销将压倒任何性能优势。
【讨论】：
由于 Java 代码将使用即时 (JIT) 编译器编译为本机代码，因此确实没有理由使用 JNI 调用本机代码。
此外，您不应缓存输入参数为浮点实数的方法的结果。在时间上获得的收益将在使用的空间量上损失很多。
【讨论】：
使用 JNI 的问题在于调用 JNI 所涉及的开销。 Java 虚拟机现在已经非常优化，对内置 Math.exp() 的调用会自动优化为直接调用 C exp() 函数，甚至可以优化为直接的 x87 浮点程序集说明。
【讨论】：
真正的问题是，这是否已成为您的瓶颈？您是否分析过您的应用程序并发现这是导致速度变慢的主要原因？
如果没有，我建议您使用 Java 版本。尽量不要预先优化，因为这只会导致开发速度变慢。您可能会在一个可能不是问题的问题上花费大量时间。
话虽这么说，我认为你的测试给了你答案。如果 jni + C 速度较慢，请使用 java 的版本。
【讨论】：
使用 JNI 会产生一些开销，另请参阅： http://java.sun.com/docs/books/performance/1st_edition/html/JPNativeCode.fm.html
因此，正如其他人建议的那样，尝试整理涉及使用 JNI 的操作。
【讨论】：
如果您分批执行这些操作，您可能会使其运行得更快。进行 JNI 调用会增加开销，因此您不想为需要计算的每个 exp() 都这样做。我会尝试传递一个包含 100 个值的数组并获取结果以查看它是否有助于提高性能。
【讨论】：
根据自己的需要编写自己的代码。
例如，如果所有指数都是 2 的幂，则可以使用位移。如果您使用有限范围或一组值，则可以使用查找表。如果您不需要精确定位，则可以使用不精确但速度更快的算法。
【讨论】：
跨 JNI 边界调用会产生成本。
如果您也可以将调用 exp() 的循环移动到本机代码中，以便只有一个本机调用，那么您可能会得到更好的结果，但我怀疑它会比纯 Java 解决方案快得多.
我不知道您的应用程序的详细信息，但如果您对调用的可能参数集相当有限，您可以使用预先计算的查找表来加快您的 Java 代码。
【讨论】：
有更快的 exp 算法取决于您要完成的任务。问题空间是否限制在一定范围内，是否只需要一定的分辨率、精度或准确度等。
如果你很好地定义了你的问题，你可能会发现你可以使用一个带插值的表格，例如，这将使几乎任何其他算法都被淘汰。
您可以对 exp 应用哪些约束来获得性能权衡？
-亚当
【讨论】：
+1 编写自己的 exp() 实现。也就是说，如果这真的是您应用程序的瓶颈。如果您可以处理一些不准确的问题，那么有许多非常有效的指数估计算法，其中一些可以追溯到几个世纪以前。据我了解，Java 的 exp() 实现相当慢，即使对于必须返回“精确”结果的算法也是如此。
哦，不要害怕用纯 Java 编写 exp() 实现。 JNI 有很多开销，而 JVM 能够在运行时优化字节码，有时甚至超出 C/C++ 所能达到的水平。
【讨论】：
我运行了一个拟合算法，拟合结果的最小误差要大得多 比 Math.exp() 的精度高。
超越函数总是比加法或乘法慢得多，这是众所周知的瓶颈。如果您知道您的值在一个狭窄的范围内，您可以简单地构建一个查找表（两个排序数组；一个输入，一个输出）。使用 Arrays.binarySearch 查找正确的索引并使用 [index] 和 [index+1] 处的元素插入值。
另一种方法是拆分数字。让我们举个例子3.81 并将其拆分为 3+0.81。 现在将 e = 2.718 乘以 3 次，得到 20.08。
现在到 0.81。 0 到 1 之间的所有值都与众所周知的指数级数快速收敛
1+x+x^2/2+x^3/6+x^4/24....等
为了精确，尽可能多地取词；不幸的是，如果 x 接近 1，它会更慢。假设你去 x^4，那么你得到 2.2445 而不是正确的 2.2448
然后将结果 2.781^3 = 20.08 与 2.781^0.81 = 2.2445 相乘，得到结果 45.07，误差为两千分之一（正确：45.15）。
【讨论】：
这已被多次请求（参见例如here）。这是从 this blog posting 复制的 Math.exp() 的近似值：
public static double exp(double val) {
final long tmp = (long) (1512775 * val + (1072693248 - 60801));
return Double.longBitsToDouble(tmp << 32);
}
它基本上与具有 2048 个条目和条目之间的线性插值的查找表相同，但所有这些都使用 IEEE 浮点技巧。它比我机器上的 Math.exp() 快 5 倍，但如果使用 -server 编译，这可能会有很大差异。
Commons Math3 附带优化版本：FastMath.exp(double x)。它确实显着加快了我的代码速度。
Fabien 进行了一些测试，发现它的速度几乎是Math.exp() 的两倍：
0.75s for Math.exp sum=1.7182816693332244E7
0.40s for FastMath.exp sum=1.7182816693332244E7
这里是javadoc：
计算 exp(x)，函数结果接近四舍五入。对于 99.9% 的输入值，它会正确四舍五入到理论值，否则会出现 1 个 UPL 错误。
方法：
Lookup intVal = exp(int(x))
Lookup fracVal = exp(int(x-int(x) / 1024.0) * 1024.0 );
Compute z as the exponential of the remaining bits by a polynomial minus one
exp(x) = intVal * fracVal * (1 + z)
准确度：计算以 63 位精度完成，因此结果应正确舍入 99.9% 的输入值，否则 ULP 误差小于 1。
【讨论】：