Investigamos la construcción de una cadena de Markov en tiempo continuo (CTMC) parcialmente absorbente utilizando un algoritmo heurístico destinado al análisis transitorio aproximado. La precisión de las probabilidades de estado transitorio se indica por la probabilidad de estado(s) absorbente(s) en el momento de tiempo especificado. Un desafío clave es la construcción de un CTMC parcial que minimice la probabilidad de alcanzar el estado absorbente(s). La generación de todos los posibles CTMC parciales es demasiado exigente computacionalmente, en general. Por lo tanto, recurrimos a la investigación de algoritmos heurísticos que eligen incluir un estado a la vez basados en información limitada (es decir, la cadena parcial que ya está construida) y sin suposiciones sobre la estructura del CTMC subyacente. Consideramos tres grupos de tales algoritmos: ingenuos, basados en la caracterización del estado por el camino más corto (obtenido por el método de Dijkstra) y basados en probabilidades de estado exactas/aproximadas. Después de presentar los algoritmos, discutimos el problema de la construcción óptima de CTMC parcial y proporcionamos varios ejemplos. Luego comparamos el rendimiento del algoritmo construyendo los CTMC parciales para dos modelos: sistema de intercambio de coches y un CTMC generado aleatoriamente. Nuestros resultados numéricos obtenidos sugieren que los algoritmos heurísticos que utilizan la caracterización del estado a través del camino más corto ofrecen un equilibrio entre precisión y esfuerzo computacional.