所有可能的分解排列中找到最佳的DAP解是一个极具挑战性的全局优化问题。通过有界的集束搜索，我们只能够探索有限的搜索空间，因此，任何所提及的求解全局最优的DAP解均指探索有限搜索空间内的最优解。虽然如此，即使只是使用中等的搜索宽度，随之而来的搜索空间依然极大。因此为了使得优化搜索更易于处理，我们通过体素化所有的部件并且限制Dapper的操作对象为体素化部件，来离散化全局搜索的空间。此外，体素化部件在排列堆上的对接测试中，只允许以90度角及其整数倍进行旋转。当全局优化体素化部件的分解与排列结束之后，体素化表示将被移除，取而代之的是体素化部件内实际的部件形状几何，并通过一个最终的局部微调优化进一步减小部件几何之间的缝隙。
在Dapper框架中，还存在着一个重要的算法设计问题：我们应该使用什么基本图元来进行模型的分解与排列？将模型分解成任意形状的部件可能可以减少部件的数量，但是排列的问题将会变得更加复杂。另一方面，形状规则方正的矩形（或三维空间中的长方体）非常易于排列，但却可能导致过多的分解部件。方法选择使用近似金字塔属性块（或简称金字塔块）作为分解与排列问题中的基本图元，将其扩展应用到DAP问题当中。金字塔块是具有单面平坦底面的类似地形的二维或三维形状，金字塔块包括但不仅限于矩形，定义更加广泛，并且有助于产生少数块的分解结果。金字塔块不仅仅有利于排列（底面平坦，易于对接测试），因其在逐层累积形式的打印过程中无需支撑材料还有利于打印。最后，金字塔块在水平和垂直的切割操作下产生的块也均为金字塔块，即金字塔块的自包含性。在Dapper中，我们从一个仅有少量金字塔块的初始化分解开始，通过对体素化后的块进行轴对齐的切割操作，优化搜索最优的DAP解。