在未来的片上多核处理器系统中,单个芯片上所集成的处理器核心数会越来越多。片上光互连网络由于其高带宽密度、低延迟、低功耗等特点,作为一种新型片上互连技术被广泛研究。但是,由于热光效应的影响,片上光网络中被广泛使用的基于微环谐振腔的波长选择性光开关会随着环境温度的变化而发生波长偏移。因此,芯片上的温度偏差将会导致额外的光损耗,削弱了片上光网络在功耗方面的优势,成为了限制片上光网络实际应用的主要瓶颈。为了克服由于芯片上的温度偏差引起的额外光损耗,本文首先更加完善地构建了从器件级到网络级的温度敏感性模型;其次,本文提出了一种基于强化学习方法的温度敏感自适应路由算法,该算法根据芯片上的实时温度分布,在最短路径算法的基础上选择功耗最优的路径;最后,为了验证我们提出的基于温度敏感性分析的功耗优化方法的效果,我们开发了一套可以进行温度-网络协同仿真的片上光网络仿真平台,该平台可以将芯片上温度分布的实时仿真结果反馈给网络仿真器。我们将提出的温度敏感性模型以及温度敏感自适应路由算法应用于一个8x8 Mesh片上光网络,并与传统的XY路由、Odd-Even路由以及West-First路由进行了对比。仿真结果表明,在相同的温度分布条件下,我们提出的温度敏感自适应路由算法能够收敛得到最优的路径选择,在不影响网络性能的前提下有效降低片上光网络中的平均光损耗。