更快的Math.exp（）通过JNI？
我需要非常频繁地从java计算Math.exp() ，是否有可能让本机版本比java的Math.exp()更快地运行？
我只尝试了jni + C，但它比普通的java慢。
+1编写自己的exp（）实现。 也就是说，如果这真的是你的应用程序的瓶颈。 如果你可以处理一些不准确的问题，那里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。 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，不要害怕在纯Java中编写exp（）实现。 JNI有很多开销，JVM能够在运行时优化字节码，有时甚至超出C / C ++能够实现的范围。
这已经被多次请求（参见例如此处 ）。 这是Math.exp（）的近似值，从此博客文章中复制：
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。 它比我的机器上的Math.exp（）快5倍，但如果用-server编译，这可能会有很大的不同。
使用Java。
此外，缓存exp的结果然后您可以比再次计算它们更快地查找答案。
你想要在C中包装任何调用Math.exp()循环。 否则，Java和C之间的编组开销将超过任何性能优势。
如果批量执行它们，您可能能够更快地运行它。 进行JNI调用会增加开销，因此您不希望为需要计算的每个exp（）执行此操作。 我尝试传递一个包含100个值的数组，并获得结果以查看它是否有助于提高性能。
真正的问题是，这会成为你的瓶颈吗？ 您是否对您的应用程序进行了分析并发现这是导致减速的主要原因？
如果没有，我建议使用Java的版本。 尽量不要进行预优化，因为这只会导致开发速度变慢。 您可能会花费更长的时间来处理可能不是问题的问题。
话虽这么说，我认为你的测试给了你答案。 如果jni + C较慢，请使用java的版本。
Commons Math3附带一个优化版本： FastMath.exp(double x) 。 它确实显着加快了我的代码。
Fabien进行了一些测试，发现它几乎是Math.exp()两倍：
0.75s for Math.exp sum=1.7182816693332244E7 0.40s for FastMath.exp sum=1.7182816693332244E7
这是javadoc：
计算exp（x），函数结果几乎是舍入的。 它将正确舍入到99.9％输入值的理论值，否则将出现1 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)
精度：计算以63位精度完成，因此结果应正确舍入为99.9％的输入值，否则小于1 ULP错误。
由于Java代码将使用实时（JIT）编译器编译为本机代码，因此没有理由使用JNI来调用本机代码。
此外，您不应该缓存输入参数是浮点实数的方法的结果。 及时获得的收益将在所使用的空间量中大大减少。
使用JNI的问题是调用JNI所涉及的开销。 Java虚拟机目前已经过优化，对内置Math.exp（）的调用会自动优化，直接调用C exp（）函数，甚至可以优化为直接x87浮点组合说明。
使用JNI只是一个开销，参见： http ： //java.sun.com/docs/books/performance/1st_edition/html/JPNativeCode.fm.html
因此，正如其他人建议尝试整理涉及使用JNI的操作。
根据您的需求量身定制。
例如，如果所有指数都是2的幂，则可以使用位移。 如果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，则使用不精确但速度更快的算法。
跨越JNI边界调用会产生相关成本。
如果你可以将调用exp（）的循环移动到本机代码中，那么只有一个本机调用，那么你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，但如果您有一组相当有限的可能的调用参数，您可以使用预先计算的查找表来使您的Java代码更快。
有更快的exp算法取决于你想要完成的事情。 问题空间是否限制在一定范围内，您是否只需要一定的分辨率，精度或准确度等。
如果你很好地定义你的问题，你可能会发现你可以使用一个带插值的表，例如，几乎可以将任何其他算法从水中吹出来。
您可以使用什么约束来获得性能权衡？
-亚当
我运行拟合算法，拟合结果的最小误差大于Math.exp（）的精度。
超越函数总是比加法或乘法慢得多，也是众所周知的瓶颈。 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（两个排序的数组;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]处的元素插值。
另一种方法是拆分数字。 让我们采取例如3.81并将其分成3 + 0.81。 现在你将e = 2.718乘以三次得到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
尽可能多地使用精确度的术语; 不幸的是，如果x接近1，它会变慢。让我们说你去x ^ 4，然后你得到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，得到的结果为45.07，误差为千分之一（正确：45.15）。
它可能不再相关，但你知道，在最新版本的OpenJDK中（见这里 ），Math.exp应该是一个内在的（如果你不知道那是什么，请点击这里 ）。
这将使大多数体系结构的性能无与伦比，因为这意味着Hotspot VM将在运行时通过特定于处理器的exp实现替换对Math.exp的调用。 你永远不会打败这些电话，因为它们针对架构进行了优化……