在α-β剪枝算法中，因为存在剪枝，搜索过程并不完整，所以剪枝算法所得到的估值不一定是准确值。通过分析可知，对于函数调用：
value = alpha_beta(alpha, beta);
当alpha
由此可看出，α-β剪枝算法重点关注的是(alpha,beta)区间，它也称为搜索窗口。相对于alpha节点和beta节点而言，程序搜索PV节点的过程是比较费时的。如果把搜索窗口的宽度减小，发生剪枝的可能性就会加大，程序搜索的时间也会短些。特别是当窗口宽度减为零，即搜索窗口为(t-1,t)时，这就成了零宽窗口(也称为极小窗口)。这种零宽窗口的搜索结果只有二种，要么是估值在窗口之下的alpha节点，要么是估值在窗口之上的beta节点。利用零宽窗口搜索一分为二的特点，可以很方便地判别估值的取值范围。因为零宽窗口搜索不会出现PV节点，这种判别过程非常高效，所以它广泛应用于各种优化的α-β剪枝算法中。
主要变例搜索(Principal Variation Search，简称PVS)算法就是一种采用零宽窗口技术、针对PV节点进行优化的剪枝算法，也称为极小窗口搜索(Minimal Window Search)算法。Tony Marsland和Murray Campbell(1982)首先提出了PVS算法，其后Alexander Reinefeld(1983)也提出了相类似的NegaScout算法，并证明其正确性。
下面我们来看看PVS算法是怎样进行优化的。在前面所介绍的α-β剪枝算法中，每下完一步棋，我们总是采用以下形式进行递归搜索：
value = -alpha_beta(-beta, -alpha);
而对于PVS算法，它首先假设之前已经找到最佳估值(其值为alpha)，然后应用零宽窗口搜索，以便快速判别此假设的正确性：
value = -alpha_beta(-alpha-1, -alpha);
如果零宽窗口搜索的结果是value≤alpha，那么表明之前的假设是正确的，即这步棋不会有更好的估值，程序将直接舍弃这步棋。在这种情况下，由于采用了零宽窗口搜索，搜索时间将大大缩短。
但是如果零宽窗口搜索的结果表明之前的假设是错误的，那么还需要重新进行一次常规窗口的搜索。在这种情况下，PVS算法实际上多进行了一次零宽窗口搜索。但由于零宽窗口搜索耗时相对较少，而出现前一种情况的概率一般较大，额外进行一次零宽窗口搜索所花费的代价还是值得的。PVS算法的代码如下：
int pvs(int alpha, int beta, int depth, int pass = 0){
// 当前最佳分值，预设为负无穷大
int best_value = -INF_VALUE;
// 尝试每个下棋位置
for (int pos=A1; pos<=H8; ++pos) {
// 试着下这步棋，如果棋步合法
if (make_move(pos)) {
int value;
// 如果到达预定的搜索深度，直接给出局面估值
if (depth <= 1) value = -evaluation();
// 如果尚未找到有效节点……
else if (best_value == -INF_VALUE
// ……或者零宽窗口搜索表明存在更好的结果……
|| (value = -pvs(-alpha-1, -alpha, depth-1, 0)) > alpha
// ……且不会引发剪枝
&& (alpha = value) < beta) {
// 进行常规窗口搜索
value = -pvs(-beta, -alpha, depth-1, 0);
}
// 撤消棋步
undo_move(pos);
// 如果这步棋引发剪枝
if (value >= beta) {
// 立即返回当前最佳结果
return value;
}
// 如果这步棋更好
if (value > best_value) {
// 保存更好的结果
best_value = value;
// 更新估值下限
if (value > alpha) alpha = value;
}
}
}
// 如果没有合法棋步
if (best_value == -INF_VALUE) {
// 如果上一步棋也是跳步，表明对局结束
if (pass) {
// 直接给出精确比分
best_value = get_score();
// 否则这步棋跳步
} else {
make_pass();
// 递归搜索，并标明该跳步
best_value = -pvs(-beta, -alpha, depth, 1);
// 撤消跳步
undo_pass();
}
}
// 返回最佳结果
return best_value;
}
由于PVS算法的高效性是建立在已找到最佳估值的假设之上，因此在尚未找到有效节点时，只需进行常规窗口搜索。
一般来说，PVS算法的总体速度会比常规α-β剪枝算法快一些。如果将PVS算法与棋步排序、散列表等优化技术相结合，算法的高效性将得到更充分的体现。
Tony Marsland, Murray Campbell.Parallel Search of Strongly Ordered Game Trees. ACM Comput. Surv. 1982, 14(4): 533-551.
Alexander Reinefeld.An Improvement to the Scout Tree-Search Algorithm. ICCA Journal, 1983, Vol. 6, No. 4, pp. 4-14.
Alexander Reinefeld. Spielbaum-Suchverfahren. Informatik-Fachbericht 200, Springer-Verlag, Berlin, 1989, ISBN 3-540-50742-6.
