Publications HAL (…)
Sept. 2025 -
ENSIIE
Sept. 2024 - Août 2025
ATER
UFR MIM, Université de Lorraine - LCOMS
Sept. 2023 - Août 2024
ATER + Doctorant contractuel
UFR IM²AG, Université Grenoble Alpes - LIG / DATAMOVE
Oct. 2019 - Août 2023
🎓 Doctorat : Mathématiques et Informatique (Juillet 2023)
Etudiant à l'Université de Lorraine
🎓 Master Informatique : Optimisation & Algorithmique (2019)
UFR Mathématiques, Informatique, Mécanique
Stage Master LCOMS
🎓 Licence Informatique (2017)
Faculté des Sciences et Technologies - FST de Nancy
Stage EDF Pei : La Réunion
🎓 Bachelor Sciences de l'Ingénieur (2015) - ESSTIN (Polytech Nancy)
Projets ouverts
Liste non exhaustive de pistes de recherche et projets qui pourraient m'intéresser dans le cadre de projets étudiants (UE Projet du S6, Stage de L3, UE de projet d'initiation à la recherche, Stage M2, Master Projets recherche d'EAD). Si l'une de ces thématiques, ou d'autres, vous motivent, contactez-moi.
Les modèles d’ordonnancement classiques supposent une connaissance complète des paramètres, tandis que les modèles non-clairvoyants n’utilisent aucune information préalable. Entre ces deux extrêmes, des approches récentes exploitent des prédictions issues de l’apprentissage automatique, mais modélisent souvent leurs erreurs de manière simplifiée. Cette thèse étudie des prédictions par classification et propose de représenter leurs erreurs via une matrice de confusion.
Comment une telle information peut-elle être exploitée dans la conception d’algorithmes d’ordonnancement ? Sa structure peut-elle être influencée afin de mieux distinguer certaines tâches critiques. Plus généralement, comment la structure des erreurs impacte les performances et peut contribuer à la conception de méthodes robustes, selon différents critères (pire cas, moyenne, min-max regret,...).
Bourse de thèse pour 2026-2029 au sein de l'équipe DEODIS, FEMTO-ST, Besançon.
▶ Voir le sujet détailléEtudier les points communs entre les deux modèles P^q|prec|Cmax et Q|prec|Cmax ainsi qu'entre les algorithmes d'approximation existants pour traiter des instances de ces problèmes, et en déduire une manière d'attaquer, ou non, R|prec|Cmax.
- F.Chudak, D.Shmoys - Approximation Algorithms for Precedence-Constrained Scheduling Problems on Parallel Machines that Run at Different Speeds
- V.Fagnon, G.Lucarelli, C.Rapine - Makespan Minimization for Scheduling on Heterogeneous Platforms with Precedence Constraints
- V.Fagnon, I.Kacem, G.Lucarelli, B.Simon - Scheduling on Hybrid Platforms: Improved Approximability Window
On considère une machine alimentée par des panneaux solaires (elle ne fonctionne que de jour et non la nuit). Une batterie permet d’atténuer cette intermittence : l’énergie produite en excès pendant la journée, peut y être stockée, puis restituée la nuit pour continuer à exécuter des tâches.
Volet projet : créer un générateur d'instances aléatoires paramétrable, et un simulateur pour tester différents algorithmes et variantes du probleme.
Volet stage : idem. Utiliser des jeux de données non aléatoires. Participation à la conception de nouveaux algorithmes, et l'adaptation d'algorithmes connux à de nouvelles variantes du problème.
La circulation routière en milieu urbain est un système complexe dans lequel de nombreux éléments interagissent : voitures, feux, voies, bus, vélos, piétons, type de conduite, etc. La gestion des intersections et le réglage des feux de circulation constituent notamment des leviers importants pour améliorer la fluidité du trafic. L’objectif de ce projet est de construire une simulation informatique simplifiée de la pire intersection de Besançon, pour étudier les phénomènes de congestion afin de proposer, le cas échéant, des politiques de gestion des feux (mode classique, mode gestion de crise, passage de l'un à l'autre, etc).