Merouane Mazar

Merouane Mazar

Auto-generated profile, based on publicly available information

Merouane Mazar

AKR, Akkodis,Paris,France

Research Focus & Metrics

Academic Career Length

7Years (2020-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
3 January 2020 in Operational Research
Verified
Journal Article
Closed access
PDF file
MMMerouane Mazar
Merouane Mazar
MSM’hAmmed Sahnoun
M’hAmmed Sahnoun
BBBelgacem Bettayeb
Belgacem Bettayeb
NKNathalie Klement
Nathalie Klement
ALAnne Louis
Anne Louis

11 December 2024
Verified
Conference Paper
Closed access
ASAbdelkrim Saouabe
Abdelkrim Saouabe
HOHicham Oualla
Hicham Oualla
MMMerouan Mazar
Merouan Mazar
MMMourad Messadia
Mourad Messadia

16 September 2023
Verified
Conference Paper
Closed access
MMMerouane Mazar
Merouane Mazar
HBHalima Belgherri
Halima Belgherri
ASAbdelkrim Saouabe
Abdelkrim Saouabe
FSFawaz Salihou
Fawaz Salihou
The rise of e-commerce and its significant impact on transport and logistics have prompted companies to question the efficiency of parcel deliveries. The question of parcel delivery efficiency comes up against a well-known classic problem in logistics, namely the vehicle routing problem (VRP), which consists in optimizing vehicle route predictions in order to save time while maximizing delivered customer satisfaction. This is the objective of this article, which proposes to combine machine learning techniques linked to artificial intelligence, such as K-Means, DBSCAN and OPTICS, to group delivery points into clusters, thus reducing the complexity of the problem. Building on these clustering methods, our paper highlights the use of the Tabu search algorithm to optimize delivery rounds within each cluster. By exploring different optimization approaches, we plan to deploy the Tabu search algorithm on several clusters while adding a constraint on the number of deliveries per round, which will result in more efficient delivery round solutions tailored to our operational constraints. Using this combined approach, our paper proposes practical recommendations to help decision-makers improve their delivery service and respond effectively to the logistical challenges of the e-commerce sector.

3 March 2021
Verified
Book Chapter
Closed access
PDF file
MMMerouane Mazar
Merouane Mazar
BBBelgacem Bettayeb
Belgacem Bettayeb
NKNathalie Klement
Nathalie Klement
MSM’hAmmed Sahnoun
M’hAmmed Sahnoun
ALAnne Louis
Anne Louis

16 September 2023
Verified
Conference Paper
Closed access
MMMerouane Mazar
Merouane Mazar
ASAbdelkrim Saouabe
Abdelkrim Saouabe
MSM'HAmmed Sahnoun
M'HAmmed Sahnoun
IMImad Mourtaji
Imad Mourtaji
This article presents a NetLogo-based multi-agent simulator developed to optimize route and task planning using electric vehicles for travel between branches of Société Générale. The simulator takes into account constraints linked to the limited autonomy of electric vehicle batteries in the dense urban context of branches. We carried out simulation tests to evaluate the simulator's performance and generate optimized routes, minimizing distances travelled and CO2 emissions. This simulator represents a promising first step in the search for innovative solutions for planning electric vehicle routes between branches.

6 April 2026
Verified
Thesis
Closed access
MMMerouane Mazar
Merouane Mazar
L'ordonnancement de tâches sur des systèmes stochastiques complexes est une activité qui ne peut être optimisée avec les méthodes d'optimisation classiques. La principale difficulté réside dans le comportement stochastique et dynamique de ces systèmes, qui peut venir modifier les propriétés et/ou le nombre de tâches et/ou les ressources nécessaires à leur exécution. En effet, il est difficile d'estimer le temps nécessaire à l'exécution d'une tâche et définir un ordonnancement efficient qui prend en compte le comportement et l’évolution du système.Cette thèse propose de traiter ce problème en utilisant une approche basée sur le couplage entre simulation et optimisation dans plusieurs situations. Car la simulation gère un horizon temporel, mais elle a une myopie dans l'espace d'état. D'autre part, l'optimisation gère l'espace d'état, mais elle a une myopie dans le temps. L'objectif dans le couplage est de créer un environnement proche du système réel avec la simulation. Ensuite, d'intégrer les algorithmes d'optimisation pour améliorer le comportement du système. Nous avons appliqué cette approche dans le contexte de l'Agriculture 4.0, où nous avons automatisé le traitement robotique de maladie du mildiou en horticulture.Nous avons développé un simulateur basé sur des systèmes multi-agents, où nous avons incorporé des moteurs d'optimisation basés sur des méthodes exactes et approchées. Nous avons modélisé le comportement de la maladie dans une serre en se basant sur le formalisme de chaine de Markov pour chaque agent représentant une plante.Les scénarios de simulation sont basés sur différents types de traitements préventifs (conditionnels, prédictifs et calendaires). Les résultats obtenus ont montré l'efficacité de l'approche et ont permis de proposer aux horticulteurs un outil combinant la simulation et l’optimisation pour les aider à de définir et paramétrer la politique de traitement robotique appropriée.Enfin, cette thèse propose plusieurs solutions pour optimiser l'application des robots de traitement en horticulture. Le simulateur développé permet à l'utilisateur de choisir plusieurs stratégies de traitement et d'utiliser celle qui est la mieux adaptée à son environnement.