En este documento, proponemos un método adaptativo estocástico primal-dual basado en una función lagrangiana aumentada inexacta para resolver programas no convexos, denominado SPDAM. Diferente de los métodos existentes, SPDAM incorpora un tamaño de paso adaptativo y direcciones de búsqueda basadas en momento, lo que mejora la tasa de convergencia. En cada iteración, se resuelve un subproblema lagrangiano aumentado inexacto para actualizar las variables primales. Se diseña un paso de post-procesamiento para ajustar las variables primales y cumplir con el requisito de precisión, y la variable primal ajustada se utiliza para calcular la variable dual. Bajo suposiciones apropiadas, demostramos que el método converge al punto KKT del problema primal, y se establece un resultado de complejidad de SPDAM menor que. Esto es mejor que el resultado más famoso. Los resultados experimentales numéricos validan que este método supera a varios métodos existentes con menos iteraciones y un tiempo de ejecución más bajo.