本研究提出了混合概率答案集编程（HPASP）框架，解决了现有方法无法处理连续随机变量的问题。实现并评估了两种精确算法和两种采样近似算法。结果表明，知识编译显著提升性能，精确推理适用于小型实例。

该研究提出了一种新型张量网络生成模型，能够学习含有连续随机变量的分布，并在几个数据集上进行了基准测试，表现良好。研究还开发了建模不同数据领域的方法，并引入了一个可训练的压缩层，提高了模型的性能。该方法为量子启发式方法在生成学习领域提供了重要的理论和实证证据。