雖然允許手術超時，但如果超時過多則會使資源使用成本比正常醫療服務時間高出許多。隨著顧客類別數量增加，需要研究維度和計算概率值0對實際計算的影響。這可以將此類問題簡化為隨機背包問題，即通過隨機項（手術）大小，翻醜項（手術）的值，隻有在做出選擇時隨機手術才能實現。Kelle等總結了幾個隨機背包問題。
當手術部門要根據多種手術之一來安排醫療顧客，並且當這些醫療顧客有不同程度的醫療服務需求時，通過數學模型計算為每一醫療顧客類別分配最優時間，這樣做會非常耗時。因此，需要考慮在預訂水平下接受每一類別醫療顧客的數量。問題的複雜性是源自問題的大小，其增加的速度大於類別數量的指數。為了加快進程，本書針對醫療服務的特殊性提出了啟發式算法，它是在著名的EM-SRb算法的基礎上改進的，稱為醫療服務期望邊際存量收益。
（1）MSEMCR啟發式算法原理
設有N個手術麵和M個醫療顧客細分類別，需要注意的是單位手術的價格辦是固定的，實際手術時間依據概率分布而定。單位時間收益病是隨機變量，當為，別顧客實施手術時,為的平均值分布即為單位時間期望收益。這樣，問題又演變為在嵌套中為7類或更高類別或在獨立類別保留多少時間（分鍾或小時）的最大化期望收益。
（2）MSEMCR啟發式算法步驟
趨於最優保護水平（時間分配）得出的結果，可以幫助醫院確定為某一手術類型的每種細分類別保留的時間，從而在每天或計劃期內，決定每一顧客類別需要某類手術的手術室開放數量和手術數量。
在實踐中，啟發式算法用於最優計算是因為它能更快得到計算時間，且僅有0.5%的收益間隙。MSEMCR適合考慮服務時間變動和單位時間的收益。通過運用MSEMCR模擬運行，可得每類顧客的保護水平分布，該平均值即為某類別的接近最優保護水平。為了找到保護水平分布算法，步驟如下：
第1步：定義資源單位，在本例中為時間單位（秒、分或小時）。
第2步：根據預約水平（天，周等）識別手術N在手術室存量C中獲得的有效時間單位（預算）。
第3步：估計細分類別的覆蓋率。因為每個手術都需要識別包含每個細分類別類型的手術服務單價。例如，假設有3種可能的細分類別，其中全額保險占手術成本的Cl%、部分保險占c2%、低保占c3%，這樣，若每個手術的價格為九，則將獲得3類價格，即九。如果考慮更多細分類別，自然會有許多價格類別。
第4步：單位時間的手術價格為九慫。它是由每個手術類型持續分布的隨機變量所獲得的相關價格，類醫療顧客的每個力為的平均值為u。
第5步：這些新獲得的平均價格為遞減順序。
第6步：這裏需要獲得時間期限內特定手術的需求期望和醫療服務需求信息以及手術類型和細分類別的概率。
如果手術部門關注N個類型手術的總時間，計算所有JV*M個手術可能的手術需求組合，就需要產生N-1個保護水平。如果關注的是某一種細分類
別的特定手術的分配時間，那僅需計算M-1個保護水平。
以下用實例說明MSEMCR啟發式算法的實現和性能，將算法結果與最優結果進行比較。
（1）4類和6類保護水平比較
兩種組合MSEMCR啟發式算法得到的保護水平值和最優值f之間的比較，即使算法計算的時間分配與最優時間相差10%，但在兩種情況下期望收益比最優值僅低1.5%。
（2）9類保護水平比較
本章對醫療服務資源存量配置問題進行研究。分析在實施醫療服務前對醫療顧客請求進行調度時存在的問題，其服務持續時間隻有在醫療服務實施後才能明確知道，比如手術就是一個典型實例。與此同時，醫療顧客又有隨機到達的問題，這就更增加了收益管理的難度。本章的數學模型為不同醫療顧客類別的保護水平提供了最優時間分配，說明為特定服務保留的最大資源（時間）的數量。在此基礎上，以手術服務為，將構麵數學麵運贓調度手巾並行方真，但尚未考慮醫療服務的緊急程度。研究表明最優保護水平決定醫療顧客的接受或延期，將使公立醫院醫療服務獲得最大化收益。醫療顧客隻有在其類別的保護水平到來時接受服務，推遲到達顧客類別會在稍後其保護水平到達時接受服務。針對醫療服務需求的隨機不確定性和顧客類別數的增加，本章改進傳統啟發式算法，提出MSEMCR啟發式算法，計算手術服務和前述醫療顧客細分類別組合的保護水平。
結論是，在不同醫療顧客類別保護水平下的有效時間分配對改善公立醫院醫療服務收益至關重要。醫療服務收益增量能用於醫療服務資源存量擴充，使得有足夠多的醫護人員能幫助公立醫院在長期經營中獲得更多收益。