Mes travaux de recherche ont débuté en 2007, au laboratoire IBISC, dans le cadre d’un Travail d’Études et de Recherche encadré par le Pr. Franck Delaplace. Lors de ce travail, j’ai pu découvrir la biologie synthétique, discipline scientifique passionnante ayant pour objectif de concevoir des fonctions biologiques de synthèse.

L’année suivante, lors de mon stage de Master 2, j’ai travaillé de nouveau au laboratoire IBISC, sous l’encadrement du Dr. Guillaume Hutzler. Ce stage portait sur l’un de mes domaines de prédilection, la modélisation et la simulation à base d’agents, et a donné lieu à une publication dans une revue internationale à comité de lecture. Par la suite, j’ai démarré une thèse de doctorat sur le thème de l’optimisation dynamique au laboratoire LiSSi, sous la direction du Pr. Patrick Siarry, et co-encadrée par le Dr. Amir Nakib et le Dr. Hamouche Oulhadj.

Ce doctorat m’a permis d’affiner ma formation universitaire initiale en approfondissant mes connaissances dans les domaines de l’optimisation, des réseaux de neurones et de l’analyse statistique, et d’acquérir de solides connaissances en traitement de l’image et du signal.

J'ai ensuite poursuivi mes travaux en post-doctorat (demi-ATER) au sein du LISSI pendant un an, avant d'intégrer le laboratoire LMIA (devenu l'IRIMAS en 2018) en tant que Maître de conférences au sein de l'équipe MAGE (devenue OMeGA).

Recherches actuelles

Depuis 2004, notre équipe développe des métaheuristiques hybrides pour résoudre des problèmes d’optimisation difficile, qui peuvent être de nature continue, discrète ou combinatoire. Elle s’intéresse aussi aux calculs parallèles pouvant permettre d’améliorer la qualité des solutions trouvées par les métaheuristiques, et de réduire le temps d’exécution nécessaire pour parvenir à ces solutions. Une grande synergie existe au sein de l’équipe, chaque membre y apportant notamment une expérience et des compétences complémentaires. De mon côté, après des travaux de recherche assez diversifiés, j’ai progressivement orienté ma thématique de recherche principale vers l’élaboration de métaheuristiques hybrides auto-adaptatives, au sens où les paramètres et/ou hyper-paramètres de l’algorithme ne sont pas fixés manuellement par son utilisateur, mais déterminés de façon automatique et dynamique durant l’exécution de l’algorithme. Pour ce faire, je m’intéresse aux approches ayant recours à l’intégration dans les métaheuristiques de techniques d’apprentissage automatique, notamment de techniques reposant sur l’utilisation de modèles de substitution (surrogate models) pour approcher localement ou globalement la/les fonction(s) objectifs d’un problème d’optimisation.

Les applications / problème réels sur lesquels j'ai travaillé incluent :

• la génération et la détermination de nouvelles structures zéolithiques ;
• le placement optimal de caméras de video-protection ;
• la planification de chemin de drones dans un milieu incertain/dynamique ;
• la conception de moteurs électriques ;
• la prédiction de la structure des protéines ;
• le docking protéine-ligand.

Recherches doctorales

Travaux effectués :

Dans la pratique, beaucoup de problèmes d’optimisation sont dynamiques : leur fonction objectif (ou fonction de coût) évolue au cours du temps. La première partie de ma thèse fut consacrée à la mise au point d’un algorithme d’optimisation permettant de résoudre efficacement ce type de problèmes. Dans ce contexte, il s’agissait de développer une métaheuristique d’optimisation dynamique.

Deux algorithmes à base d’agents, MADO (MultiAgent algorithm for Dynamic Optimization) et MLSDO (Multiple Local Search algorithm for Dynamic Optimization), ont été proposés et validés sur les deux principaux jeux de tests existants en optimisation dynamique : MPB (Moving Peaks Benchmark), proposé en 1999, et GDBG (Generalized Dynamic Benchmark Generator), proposé en 2008 et utilisé lors de la compétition du congrès IEEE CEC 2009 en optimisation dynamique.

Ensuite, ces algorithmes ont été appliqués à des problèmes de recalage et de segmentation de séquences d’images médicales, afin de quantifier les mouvements d’un ventricule cérébral. Ce travail constitue une nouvelle voie de recherche dans l’application de l’optimisation dynamique en traitement d’images.

Résultats :

Les résultats obtenus sur les jeux de tests montrent l’efficacité des stratégies mises en œuvre par ces algorithmes, en particulier :

• MLSDO est classé 1^er sur 7 algorithmes évalués sur GDBG ;
• MLSDO est classé 2^ème sur 16 algorithmes évalués sur MPB.

De plus, les gains de performance obtenus, pour les problèmes de recalage et de segmentation de séquences d’images, montrent l’intérêt d’utiliser les algorithmes d’optimisation dynamique proposés pour ce type d'applications.

Domaines :

Recherche opérationnelle, métaheuristiques, optimisation dynamique, systèmes multi-agents, traitement d’images.

Stage de Master 2

Travaux effectués :

La simulation à base d’agents de systèmes complexes repose sur la modélisation des entités élémentaires du système. A un niveau de description donné, cela implique de modéliser toutes les entités du système. Lorsque l’on doit modéliser des systèmes biologiques au niveau cellulaire et/ou moléculaire, cela se traduit par la simulation d’un grand nombre d’agents, ce qui soulève des problèmes de performances. Néanmoins, il n’est généralement pas nécessaire d’avoir le même niveau de détail pour chaque partie du système.

Ce travail a alors consisté à élaborer un modèle de simulation hybride associant une modélisation à base d’agents et une modélisation agrégée fondée sur la discrétisation d’équations différentielles, dans le cadre de la modélisation et de la simulation de la croissance de tumeurs cancéreuses.

Partant d’un modèle existant, purement agent, le travail a d’abord consisté à simplifier et à compléter ce modèle, puis à identifier les éléments du modèle qui ne justifiaient pas d’être traités avec une approche agent, et qui pouvaient avantageusement être remplacés par un modèle agrégé. Pour ce modèle agrégé, un mécanisme de transformation permettant de réaliser le passage d’un formalisme à l’autre a été proposé, et les interactions entre les deux types de modèles ont été mises en place. Enfin, un jeu de tests a été élaboré pour assurer la validité des transformations effectuées et mesurer les gains de performance obtenus.

Résultats :

Le temps de simulation est réduit d’au moins un facteur 10, et surtout augmente linéairement avec le nombre de cellules simulées, au lieu d’une croissance exponentielle.

Domaines :

Systèmes multi-agents, modélisation et simulation, modèles multi-échelles, systèmes biologiques complexes.

International Journals

1. H. Rakhshani, L. Idoumghar, J. Lepagnot & M. Brévilliers, “Speed Up Differential Evolution for Computationally Expensive Protein Structure Prediction Problems,” Swarm and Evolutionary Computation, in press.
2. J. Kritter, M. Brévilliers, J. Lepagnot & L. Idoumghar, “On the Optimal Placement of Cameras for Surveillance and the Underlying Set Cover Problem,” Applied Soft Computing, vol. 74, pp. 133-153.
3. M. Brévilliers, J. Lepagnot, L. Idoumghar, M. Rebai & J. Kritter, “Hybrid Differential Evolution Algorithms for the Optimal Camera Placement Problem,” Journal of Systems and Information Technology, Special issue on Optimisation Solutions in Systems, vol. 20, no. 4, pp. 446-467.
4. M. Brévilliers, J. Lepagnot, J. Kritter & L. Idoumghar, “Parallel Preprocessing for the Optimal Camera Placement Problem,” International Journal of Modeling and Optimization, vol. 8, no. 1, pp. 33-40.
5. M. Essaid, L. Idoumghar, J. Lepagnot & M. Brévilliers, “GPU Parallelization Strategies for Metaheuristics: a Survey, International Journal of Parallel,” Emergent and Distributed Systems, pp. 1-26.
6. O. Abdelkafi, L. Idoumghar, J. Lepagnot, J.-L. Paillaud, I. Deroche, L. Baumes & P. Collet, “Using a Novel Parallel Genetic Hybrid Algorithm to Generate and Determine New Zeolite Frameworks,” Computers and Chemical Engineering, vol. 98, pp. 50–60, 2017.
7. O. Abdelkafi, L. Idoumghar & J. Lepagnot, “A Survey on the Metaheuristics applied to QAP for the Graphics Processing Units,” Parallel Processing Letters, vol. 26, no. 3, pp. 1–20, 2016.
8. J. Lepagnot, L. Idoumghar & D. Fodorean, “Hybrid Nelder-Mead Imperialist Competitive Algorithm Applied to Electric Motor Design,” Computational and Applied Mathematics Journal, vol. 1, no. 5, pp. 307–318, 2015.
9. I. Boussaïd, J. Lepagnot & P. Siarry, “A survey on optimization metaheuristics,” Information Sciences, vol. 237, pp. 82–117, 2013.
10. J. Lepagnot, A. Nakib, H. Oulhadj & P. Siarry, “A Multiple Local Search Algorithm for Continuous Dynamic Optimization,” Journal of Heuristics, vol. 19, no. 1, pp. 35-76, 2013.
11. J. Lepagnot, A. Nakib, H. Oulhadj & P. Siarry, “A new multiagent algorithm for dynamic continuous optimization,” International Journal of Applied Metaheuristic Computing, vol. 1, no. 1, pp. 16-38, 2010.
12. J. Lepagnot & G. Hutzler, “A multiscale agent-based model for the simulation of avascular tumour growth,” Journal of Biological Physics and Chemistry, vol. 9, pp. 17-25, 2009.

Reviewed International Conference Proceedings

1. J. Kritter, M. Brévilliers, J. Lepagnot & L. Idoumghar, “On the Real-World Applicability of State-of-the-Art Algorithms for the Optimal Camera Placement Problem,” 6th International Conference on Control, Decision and Information Technologies (IEEE CoDIT’19), Paris, France, April 2019, accepted.
2. H. Rakhshani, L. Idoumghar, J. Lepagnot & M. Brévilliers, “MAC : Many-Objective Automatic Algorithm Configuration,” 10th International Conference on Evolutionary Multi-Criterion Optimization (EMO 2019), East Lansing, USA, March 2019.
3. H. Rakhshani, L. Idoumghar, J. Lepagnot, M. Brévilliers & E. Keedwell, “Automatic Hyperparameter Selection in Autodock,” IEEE International Conference on Bioinformatics and Biomedicine (IEEE BIBM 2018), Madrid, Spain, December 2018, pp. 734-738.
4. S. Ghambari, J. Lepagnot, L. Jourdan & L. Idoumghar, “A comparative study of meta-heuristic algorithms for solving UAV path planning,” IEEE Symposium Series on Computational Intelligence (IEEE SSCI 2018), Bangalore, India, November 2018, pp. 174-181.
5. H. Rakhshani, L. Idoumghar, J. Lepagnot, M. Brévilliers & E. Keedwell, “A Novel Population Initialization Method Based on Support Vector Machine,” IEEE International Conference on Systems, Man, and Cybernetics (IEEE SMC 2018), Miyazaki, Japan, October 2018.
6. M. Essaid, L. Idoumghar, J. Lepagnot & M. Brévilliers, “A Parallel Adaptive Differential Evolution for Electric Motor Design Optimization,” 7th International Conference on Metaheuristics and Nature Inspired Computing (META’18), Marrakech, Morocco, October 2018, pp. 204-206.
7. H. Rakhshani, L. Idoumghar, J. Lepagnot & M. Brévilliers, “Application of the Surrogate Models for Protein Structure Prediction,” 7th International Conference on Metaheuristics and Nature Inspired Computing (META’18), Marrakech, Morocco, October 2018, pp. 175-177.
8. M. Essaid, L. Idoumghar, J. Lepagnot, M. Brévilliers & D. Fodorean, “A Hybrid Differential Evolution Algorithm for Real World Problems,” IEEE Congress on Evolutionary Computation (IEEE CEC 2018), Rio de Janeiro, Brazil, July 2018, pp. 2341-2347.
9. H. Rakhshani, L. Idoumghar, J. Lepagnot, M. Brévilliers & A. Rahati, “Accelerating Protein Structure Prediction Using Active Learning and Surrogate-Based Optimization,” IEEE Congress on Evolutionary Computation (IEEE CEC 2018), Rio de Janeiro, Brazil, July 2018, pp. 933-940.
10. M. Essaid, L. Idoumghar, J. Lepagnot, M. Brévilliers & D. Fodorean, “A Hybrid Optimization Algorithm for Electric Motor Design,” 18th International Conference on Computational Science (ICCS 2018), Wuxi, China, June 2018, pp. 501-517.
11. O. Abdelkafi, L. Idoumghar, J. Lepagnot & J.-L. Paillaud, “The determination of new stable zeolite frameworks using a parallel hybrid genetic algorithm,” International Workshop on Optimization and Learning: Challenges and Applications (OLA’2018), Alicante, Spain, February 2018.
12. J. Lepagnot, L. Idoumghar, M. Brévilliers & M. Idrissi-Aouad, “A new high-level relay hybrid metaheuristic for black-box optimization problem,” International Conference on Artificial Evolution (EA’2017), Paris, France, October 2017, pp. 121-134.
13. O. Abdelkafi, L. Idoumghar & J. Lepagnot, “Improved hybrid iterative tabu search for QAP using distance cooperation,” International Conference on Artificial Evolution (EA’2017), Paris, France, October 2017, pp. 135-148.
14. O. Abdelkafi, L. Idoumghar, J. Lepagnot & J.-L. Paillaud, “Memory Genetic Algorithm Hybridized for Zeolites,” IEEE Congress on Evolutionary Computation (IEEE CEC 2017), San Sebastian, Spain, June 2017, pp. 233-240.
15. O. Abdelkafi, L. Idoumghar, J. Lepagnot & M. Brévilliers, “Data exchange topologies for the DISCO-HITS algorithm to solve the QAP,” International Conference on Swarm Intelligence Based Optimization (ICSIBO'2016), Mulhouse, France, June 2016, pp. 30-37.
16. M. Brévilliers, O. Abdelkafi, J. Lepagnot & L. Idoumghar, “Fast Hybrid BSA-DE-SA Algorithm on GPU,” International Conference on Swarm Intelligence Based Optimization (ICSIBO'2016), Mulhouse, France, June 2016, pp. 46-53.
17. O. Abdelkafi, L. Idoumghar & J. Lepagnot, “Distributed Multistart Hybrid Iterative Tabu Search,” IEEE International Conference on Systems, Man, and Cybernetics (IEEE SMC 2015), Hong Kong, October 2015, pp. 1962-1967.
18. O. Abdelkafi, L. Idoumghar & J. Lepagnot, “Comparison of Two Diversification Methods to Solve the Quadratic Assignment Problem,” International Conference On Computational Science (ICCS’2015), Reykjavik, Iceland, June 2015, pp. 2703-2707.
19. M. Brévilliers, O. Abdelkafi, J. Lepagnot & L. Idoumghar, “Idol-Guided Backtracking Search Optimization Algorithm,” 12th International Conference on Artificial Evolution (EA’2015), Lyon, France, October 2015, pp. 277-284.
20. O. Abdelkafi, L. Idoumghar, J. Lepagnot & M. Brévilliers, “A GPU-based parallel neighborhood evaluation for ITSSD,” 12th International Conference on Artificial Evolution (EA’2015), Lyon, France, October 2015, pp. 327-324.
21. O. Abdelkafi, J. Lepagnot & L. Idoumghar, “Multi-level parallelization for hybrid ACO,” International Conference on Swarm Intelligence Based Optimization (ICSIBO'2014), Mulhouse, France, May 2014, pp. 77-84.
22. O. Abdelkafi, J. Lepagnot & L. Idoumghar, “Performance analyze to tune a parallel hybrid ant system,” International Conference on Metaheuristics and Nature Inspired Computing (META’2014), Marrakech, Morocco, October 2014.
23. J. Lepagnot, L. Idoumghar & D. Fodorean, “Hybrid Imperialist Competitive Algorithm with Simplex approach: Application to Electric Motor Design,” IEEE International Conference on Systems, Man, and Cybernetics (IEEE SMC 2013), Manchester, UK, October 2013, pp. 2454-2459.
24. T. Rohmer, A. Nakib, J. Lepagnot & A. Nafaa, “Adaptive Peer Selection Strategy in P2P-VoD systems based on Dynamic Metaheuristic,” IEEE International Conference on Parallel and Distributed Systems (ICPADS), Seoul, South Korea, December 2013, pp. 436-437.
25. A. El Dor, J. Lepagnot, A. Nakib & P. Siarry, “PSO-2S Optimization Algorithm for Brain MRI Segmentation,” 7th International Conference on Genetic and Evolutionary Computing (ICGEC 2013), Prague, Czech Republic, August 2013, pp. 13-22.
26. J. Lepagnot & L. Idoumghar, “Prediction Technique integrated into Particle Swarm Optimization Algorithm,” 26th European Conference on Operational Research, Rome, Italy, July 2013.
27. J. Lepagnot, A. Nakib, H. Oulhadj & P. Siarry, “A Dynamic Multi-Agent Algorithm Applied to Challenging Benchmark Problems,” IEEE Congress on Evolutionary Computation (IEEE CEC 2012), Brisbane, Australia, June 2012, pp. 2508-2515.
28. J. Lepagnot, A. Nakib, H. Oulhadj & P. Siarry, “Brain cine-MRI Sequences Registration using B-spline Free-Form Deformations and MLSDO Dynamic Optimization Algorithm,” International Conference on Learning and Intelligent Optimization (LION6), Paris, France, January 2012.
29. J. Lepagnot, A. Nakib, H. Oulhadj & P. Siarry, “Brain cine-MRI registration using MLSDO dynamic optimization algorithm,” 9th Metaheuristics International Conference (MIC 2011), vol. 1, Udine, Italy, July 2011, pp. 241-249.
30. J. Lepagnot, A. Nakib, H. Oulhadj & P. Siarry, “Brain Cine MRI Segmentation Based on a Multiagent Algorithm for Dynamic Continuous Optimization,” IEEE Congress on Evolutionary Computation, vol. 1, New Orlean, USA, June 2011, pp. 1695-1702.
31. J. Lepagnot, A. Nakib, H. Oulhadj & P. Siarry, “A Multi-Agent based Algorithm for Continuous Dynamic Optimization,” EU/MEeting 2010 workshop, Lorient, France, June 2010.
32. J. Lepagnot, A. Nakib, H. Oulhadj & P. Siarry, “Performance analysis of MADO dynamic optimization algorithm,” IEEE International Conference on Intelligent Systems Design and Applications, Pisa, Italy, December 2009, pp. 37-42.

Reviewed National Conference Proceedings

1. M. Brévilliers, J. Lepagnot, L. Idoumghar, M. Rebai & J. Kritter, “Évolution Différentielle Hybride pour le Problème de Placement Optimal de Caméras,” Congrès de la Société Française de Recherche Opérationnelle et d’Aide à la Décision (ROADEF 2019), Février 2019, Le Havre, France.
2. O. Abdelkafi, L. Idoumghar & J. Lepagnot, “Algorithme génétique hybride massivement parallèle pour la résolution structurale des zéolithes,” Congrès de la Société Française de Recherche Opérationnelle et d’Aide à la Décision (ROADEF 2017), Metz, France, Février 2017.
3. O. Abdelkafi, L. Idoumghar, J. Lepagnot & M. Brévilliers, “Hybrid Iterative Tabu Search,” Congrès de la Société Française de Recherche Opérationnelle et d’Aide à la Décision (ROADEF 2015), Marseille, France, Février 2015.
4. O. Abdelkafi, J. Lepagnot & L. Idoumghar, “Parallel hybrid ant colony optimization on GPU to solve travelling salesman problem,” Congrès de la Société Française de Recherche Opérationnelle et d’Aide à la Décision (ROADEF 2014), Bordeaux, France, Février 2014.
5. J. Lepagnot, A. Nakib, H. Oulhadj & P. Siarry, “Recalage de séquences d’images IRM basé sur un nouvel algorithme d’optimisation dynamique,” Congrès de la Société Française de Recherche Opérationnelle et d’Aide à la Décision (ROADEF 2011), vol. 1, Saint Etienne, France, Mars 2011, pp. 393-394.
6. J. Lepagnot, A. Nakib, H. Oulhadj & P. Siarry, “Réduction du nombre de paramètres de la métaheuristique d’optimisation dynamique MADO,” Congrès de la Société Française de Recherche Opérationnelle et d’Aide à la Décision (ROADEF 2010), Toulouse, France, Février 2010.

Book chapters

1. J. Lepagnot, L. Idoumghar, M. Brévilliers & M. Idrissi-Aouad, “A new high-level relay hybrid metaheuristic for black-box optimization problem,” in E. Lutton, P. Legrand, P. Parrend, N. Monmarché, M. Schoenauer (Eds), Artificial Evolution (EA’2017), Revised Selected Papers, Lecture Notes in Computer Science, vol. 10764, Springer, Cham, pp. 115-128, 2018.
2. O. Abdelkafi, L. Idoumghar & J. Lepagnot, “Improved Hybrid Iterative Tabu Search for QAP Using Distance Cooperation,” in E. Lutton, P. Legrand, P. Parrend, N. Monmarché, M. Schoenauer (Eds), Artificial Evolution (EA’2017), Revised Selected Papers, Lecture Notes in Computer Science, vol. 10764, Springer, Cham, pp. 129-143, 2018.
3. O. Abdelkafi, L. Idoumghar, J. Lepagnot & M. Brévilliers, “Data exchange topologies for the DISCO-HITS algorithm to solve the QAP,” in P. Siarry, L. Idoumghar, J. Lepagnot (Eds), International Conference on Swarm Intelligence Based Optimization (ICSIBO'2016), Revised Selected Papers, Lecture Notes in Computer Science, vol. 10103, pp. 57-64, 2016.
4. M. Brévilliers, O. Abdelkafi, J. Lepagnot & L. Idoumghar, “Fast Hybrid BSA-DE-SA Algorithm on GPU,” in P. Siarry, L. Idoumghar, J. Lepagnot (Eds), International Conference on Swarm Intelligence Based Optimization (ICSIBO'2016), Revised Selected Papers, Lecture Notes in Computer Science, vol. 10103, pp. 75-86, 2016.
5. O. Abdelkafi, J. Lepagnot & L. Idoumghar, “Multi-level parallelization for hybrid ACO,” in P. Siarry, L. Idoumghar, J. Lepagnot (Eds), International Conference on Swarm Intelligence Based Optimization (ICSIBO'2014), Revised Selected Papers, Lecture Notes in Computer Science, vol. 8472, pp. 60-67, 2014.
6. J. Lepagnot, A. Nakib, H. Oulhadj & P. Siarry, “Brain cine-MRI registration using MLSDO dynamic optimization algorithm,” in L. Di Gaspero, A. Schaerf & T. Stützle (Eds), Advances in Metaheuristics, Springer, pp. 99-111, 2013.
7. J. Lepagnot, A. Nakib, H. Oulhadj & P. Siarry, “Elastic registration of brain cine-MRI sequences using MLSDO dynamic optimization algorithm,” in E. Alba, A. Nakib & P. Siarry (Eds), Metaheuristics for Dynamic Optimization, Springer, pp. 211-224, 2013.

Misc. Papers

1. J. Lepagnot, “Conception de métaheuristiques pour l'optimisation dynamique. Application à l'analyse de séquences d'images IRM,” Thèse de doctorat, Université Paris-Est, Décembre 2011.
2. J. Lepagnot, A. Nakib, H. Oulhadj & P. Siarry, “Optimisation dynamique : état de l’art et proposition d’une métaheuristique multi-agents,” Bulletin de la Société Française de Recherche Opérationnelle et d’Aide à la Décision, no. 25, pp. 8-12, 2010.

Misc. Presentations

1. Oral and poster co-presentations with C. Rotily of the Franco-German project “Organized Pedestrian Movement in Public Spaces: Preparation and Crisis Management of Urban Parades and Demonstration Marches with High Conflict Potential” (OPMoPS), of which I am the coordinator, at the 12th edition of the Workshop Interdisciplinaire sur la Sécurité Globale (WISG), Lyon, France, October 2018.
2. Oral presentation entitled “Métaheuristiques” at a GdR ISIS meeting day, Paris, France, October 2014.
3. Oral presentation entitled “Suivi et quantification de mouvements dans des séquences d’images médicales par optimisation dynamique” at a GdR ISIS/Club EEA meeting day, Paris, France, January 2012.
4. Oral presentation entitled “Métaheuristiques pour l'optimisation dynamique. Application à l'analyse de séquences d'images ciné-IRM” at an internal workshop of the LiSSi laboratory, Créteil, France, October 2011.
5. Oral presentation entitled “L’optimisation dynamique” at an internal seminar of the GRETTIA (IFSTTAR) laboratory, Noisy le Grand, France, March 2011.
6. Poster presentation entitled “Optimisation dynamique guidée par des métaheuristiques. Application au suivi de pathologies cérébrales” at Doctoriales de l'Université Paris-Est, La Brosse-Montceaux, France, September 2010.
7. Oral presentation entitled “From static to dynamic optimization” at the EURO Summer Institute, Klagenfurt, Austria, August 2010.
8. Oral presentation entitled “L’optimisation dynamique” at the PhD student conference of the MSTIC Graduate School, Champ sur Marne, France, June 2010.
9. Oral presentation entitled “Analyse des performances de l'algorithme d'optimisation dynamique MADO” at an internal workshop of the LiSSi laboratory, Créteil, France, November 2009.

Co-organizer of the International Conference on Artificial Evolution (EA’2019) to be held from October 28 to 30, 2019 at Mulhouse, France.

Co-organizer of a session entitled « Hybrid and parallel metaheuristics for optimization and learning » in the 7th International Conference on Metaheuristics and Nature Inspired Computing (META’18) that was held from October 27 to 31, 2018 at Marrakech, Morocco.

Co-organizer of a session entitled « Massively Parallel and Distributed Evolutionary Computation » in IEEE CEC 2017 conference (Congress on Evolutionary Computation) that was held from June 5 to 8, 2017 at San Sebastián, Spain.

Co-chair and co-organizer of the International Conference on Swarm Intelligence Based Optimization (ICSIBO’2016) that was held from June 13 to 14, 2016 at Mulhouse, France.

Co-chair and co-organizer of the International Conference on Swarm Intelligence Based Optimization (ICSIBO’2014) that was held from May 13 to 14, 2014 at Mulhouse, France.

Co-organizer and chairman of a session entitled « Hybrid Metaheuristics » in IEEE SMC 2013 conference (Systems, Man, and Cybernetics) that was held from October 13 to 16, 2013 at Manchester, United Kingdom.

Co-organizer and chairman of a session entitled « Hybridization of Metaheuristics with AI Techniques » in European Conference on Operational Research (EURO 2013) that was held from July 1 to 4, 2013 at Rome, Italy.

Co-organizer of the PhD student conference of the MSTIC Graduate School that was held June 10, 2010 at Champs-sur-Marne, France.

2008 – 2011 : Doctorat en Informatique, Université Paris-Est

• Financement : Allocation de recherche MENRT
• École Doctorale : Mathématiques et STIC (MSTIC)
• Titre : Conception de métaheuristiques pour l'optimisation dynamique. Application à l'analyse de séquences d'images IRM.
• Encadrants :
  • Directeur de thèse : Patrick SIARRY
  • Co-encadrant : Hamouche OULHADJ
  • Co-encadrant : Amir NAKIB
• Membres du jury :
  • Rapporteur : Christian PRINS, Professeur des Universités
    (Université de Technologie de Troyes)
  • Rapporteur : Su RUAN, Professeur des Universités
    (Université de Rouen)
  • Président du jury : Xavier GANDIBLEUX, Professeur des Universités
    (Université de Nantes)
  • Examinateur : Damien TRENTESAUX, Professeur des Universités
    (Université de Valenciennes et du Hainaut-Cambrésis)
  • Examinateur : Amir NAKIB, Maître de Conférences
    (Université Paris-Est Créteil)
  • Examinateur : Hamouche OULHADJ, Maître de Conférences
    (Université Paris-Est Créteil)
  • Directeur de thèse : Patrick SIARRY, Professeur des Universités
    (Université Paris-Est Créteil)
• Mention : L'établissement ne délivre pas de mention
• Lieu : Laboratoire LiSSi (EA 3956), Université Paris-Est Créteil
• Date : Thèse soutenue le 1er décembre 2011

---

2007 – 2008 : Master 2 Recherche (ex-DEA) MOPS (Modèles, Optimisation, Programmation et Services), Université d'Évry-Val-d'Essonne

• Mention : Bien
• Stage Recherche :
  • Titre : Proposition d'une approche hybride multi-échelles pour la modélisation et la simulation de la migration cellulaire pour l'étude du cancer.
  • Encadrant : Guillaume HUTZLER
  • Lieu : Laboratoire IBISC (EA 4526), Université d'Évry-Val-d'Essonne
  • Durée : 5 mois

---

2006 – 2007 : Maîtrise Informatique et Systèmes, Université d'Évry-Val-d'Essonne

• Travail d'Études et de Recherche :
  • Titre : Conception d'un compilateur pour la biologie synthétique.
  • Encadrant : Franck DELAPLACE

---

2005 – 2006 : Licence Informatique, Université d'Évry-Val-d'Essonne

---

2003 – 2005 : DEUG MIAS (Mathématiques, Informatique et Application aux Sciences), Université d'Évry-Val-d'Essonne