Los mapas caóticos son fuentes de aleatoriedad formadas por un conjunto de reglas y variables caóticas. Han sido incorporados en metaheurísticas porque mejoran el equilibrio entre exploración y explotación, permitiendo así obtener mejores resultados. En el presente trabajo, se utilizan mapas caóticos para modificar el comportamiento de las reglas de binarización que permiten a las metaheurísticas continuas resolver problemas de optimización combinatoria binaria. En particular, se utilizan siete mapas caóticos diferentes, tres reglas de binarización diferentes y tres metaheurísticas continuas, que son el Algoritmo Seno Coseno, el Optimizador Lobo Gris y el Algoritmo de Optimización de Ballenas. Se resuelve un problema clásico de optimización combinatoria: el Problema de la Mochila 0-1. Los resultados experimentales indican que los mapas caóticos tienen un impacto en la regla de binarización, lo que conduce a mejores resultados. Específicamente, los experimentos que incorporaron la regla de binarización estándar y la regla de binarización complementaria tuvieron un mejor desempeño que los experimentos que incorporaron la regla de binarización elitista. El experimento con los mejores resultados fue STD_TENT, que utiliza la regla de binarización estándar y el mapa caótico de tienda.