본 논문은 조합 최적화 문제를 위한 새로운 모델 기반 패러다임인 도메인 독립적 동적 계획법(DIDP)을 제안한다. 기존의 동적 계획법(DP)이 문제 특정적인 방식으로 구현되는 것과 달리, DIDP는 인공지능 계획에서 영감을 얻은 동적 계획 기술 언어(DyPDL)를 사용하여 DP 모델을 정의한다. DyPDL 모델은 휴리스틱 탐색 알고리즘을 통해 풀 수 있으며, 논문에서는 7개의 DIDP 솔버를 제안한다. 11개의 조합 최적화 문제 클래스에 대한 벤치마크 인스턴스를 사용하여 DIDP 솔버를 상용 MIP 및 CP 솔버와 비교 평가한 결과, DIDP가 MIP보다 9개, CP보다 9개, 그리고 MIP와 CP 모두보다 7개의 문제 클래스에서 우수한 성능을 보였다. 또한 기존의 상태 기반 솔버를 포함한 도메인 독립적 AI 플래너보다도 우수한 성능을 달성했다.
