El problema de maximización de funciones submodulares de rendimiento decreciente (DR) ha captado una atención significativa en diversos ámbitos en los últimos años. Los métodos clásicos a menudo emplean enfoques codiciosos continuos o de Frank-Wolfe para abordar este problema; sin embargo, generalmente se requiere una alta iteración y complejidad del solucionador de subproblemas para controlar efectivamente la proporción de aproximación. En este documento, presentamos una estrategia que emplea una búsqueda binaria para encontrar el tamaño de paso dinámico, integrándolo en marcos de algoritmos tradicionales para abordar problemas con diferentes tipos de restricciones. Demostramos que los algoritmos que utilizan esta estrategia de tamaño de paso dinámico pueden lograr proporciones de aproximación comparables a las de aquellos que utilizan una estrategia de tamaño de paso fijo. En el caso monótono, la complejidad de la iteración es , mientras que en el escenario no monótono es , donde denota la función objetivo. Luego aplicamos esta estrategia para resolver problemas de maximización de funciones submodulares de rendimiento decreciente estocásticas, obteniendo resultados de complejidad de iteración correspondientes en una forma de alta probabilidad. Además, ejemplos teóricos y experimentos numéricos validan que esta estrategia de selección de tamaño de paso supera a la estrategia de tamaño de paso fijo.