El desarrollo de muchos modelos de ingeniería y científicos depende de la solución de sistemas de ecuaciones no lineales (SEN), y el progreso de estos campos depende de su resolución eficiente. Debido a las desventajas en resolverlos con métodos clásicos, los SEN son susceptibles de modelarse como un problema de optimización. El propósito de este trabajo es proponer el algoritmo de búsqueda caótica seno coseno (CSSCA), un nuevo enfoque de optimización para resolver SEN. CSSCA se configurará de manera que emplee una búsqueda caótica para superar las limitaciones de técnicas de optimización como la falta de diversidad en las soluciones, la ventaja injusta de la explotación sobre la exploración y la convergencia gradual de la solución óptima. Un mapa logístico caótico ha sido empleado por muchos estudios y ha demostrado su efectividad en elevar la calidad de las soluciones y ofrecer el mayor rendimiento. Por lo tanto, se utiliza como estrategia de búsqueda local. Se emplearon tres tipos de funciones de prueba-unimodales, multimodales y funciones de prueba compuestas, así como numerosos SEN-problemas de combustión, problemas de neurofisiología, aplicación aritmética y ecuaciones algebraicas no lineales-para evaluar CSSCA. Para demostrar la importancia de los cambios realizados en CSSCA, los resultados del algoritmo recomendado se contrastan con los del SCA original, donde la tasa de mejora promedio de CSSCA fue aproximadamente del 12,71%, demostrando que es muy exitoso en la resolución de SEN. Finalmente, los resultados demostraron que agregar una búsqueda caótica al SCA mejora los resultados al modificar los parámetros de la búsqueda caótica, lo que permite obtener mejores resultados.