随着众核处理器系统规模的不断增大,传统的电互连片上网络发展受到延时、带宽和功耗等性能的限制。光电混合片上网络具有通信延时低、传输带宽高等优势,是大规模多核片上系统通信的一种有效解决方案。光电混合互连网络中的光链路可以对全局通信起到加速传输的效果,但也带来了巨额的静态功耗开销。同时,全局通信的时空分布存在差异,固定的光互连带宽供给会导致通信链路利用不足,光电混合互连系统的整体能效将劣于全电互连网络。因此,降低光网络的静态功耗,研究可重构的光电混合片上网络具有重要意义。论文在研究和分析了光互连和电互连片上网络拓扑结构的基础上,基于光总线和Mesh互连结构,提出了一种基于加速网的光电混合三维片上互连架构,分别为全局通信与局部通信提供低延时、高带宽的光网络和高灵活性、低成本的电网络。为了实现光节点的拓扑重构,依据重构设计概要建立了光节点布局的数学模型,基于整数线性规划方法对光节点进行了优化布局,根据优化结果,设计了可重构的光电混合片上网络拓扑结构RHOE-NoC。针对不同应用下数据通信的时空分布特性存在较大差异,为了充分利用通信资源,设计了一种基于机器学习的节点粒度动态重构算法。通过统计网络链路利用率和缓存占有率,并结合网络负载预测值,对光节点进行重构判定,动态调整通信带宽,有效降低了功耗开销。为了解决拓扑结构动态变化对数据通信的影响,分析了拓扑重构信息的交互机制,并在此基础上提出了局部拓扑感知的自适应路由算法,在光节点发生重构时,动态选择通信域内可供替代的光节点进行全局通信,有效降低了路由决策时间,提升了网络通信性能。论文对全系统异构众核仿真器JADE进行了改造,添加了光电接口转换单元,嵌入了光电器件功耗计算模型,构建了支持光电混合片上网络的仿真环境,以完成对所提出的RHOE-NoC可重构拓扑结构的性能验证。在8×8拓扑规模下网络接近饱和状态时,RHOE-NoC的通信延时比EMesh降低了50.6%,吞吐量提升了14.3%,功耗降低了25.9%。在拓扑结构动态变化的网络下通信,网络接近饱和时,相比基于全局拓扑信息表的路由算法,局部拓扑感知的自适应路由算法将通信延时降低了69.5%,吞吐率提升了33.3%,功耗降低了24.2%。