本发明公开了一种基于深度强化学习的物流机器人调度方法。本方法包括：首先，构建并训练深度状态价值网络DVN，通过对历史订单数据进行离线学习，采用时序差分法更新状态价值函数，并通过多物流机器人深度强化学习方法优化调度策略；然后，通过DVN和KM组合优化算法实现物流机器人与订单的实时匹配；最终，调度空闲物流机器人前往预期收益较高的区域等待下一轮调度。本发明通过构建深度状态价值网络DVN和采用组合优化方法，实现医院物流机器人对物流订单的高效调度。本发明在提升订单响应速度和减少订单等待时间方面有显著优势，并且适用于各类医院场景，能够有效提高物流调度效率，优化资源配置。