用布谷鸟算法结合粒子群算法以及DV-HOP，实现无线传感器定位。在100m*00m的空间内，随机分布100个传感器节点，其中30个锚节点，70个未知节点，利用前述三种算法结合，实现未知节点的定位，并将定位后的节点本地化，变成锚节点。绘制出定位前后的节点分布图，计算出节点定位误差以及节点本地化的成功率。

这是一个很有趣的问题！使用布谷鸟算法结合粒子群算法和DV-HOP来实现无线传感器定位是可行的。下面是一个简单的实现步骤：

1. 随机分布传感器节点：在100m*100m的空间内随机分布100个传感器节点，其中30个为锚节点，70个为未知节点。

2. 节点定位初始化：将未知节点的位置初始化为(0, 0)。

3. 布谷鸟算法：使用布谷鸟算法对未知节点进行定位。该算法模拟了布谷鸟找寻食物的行为，通过调整布谷鸟的位置来寻找最优解。在每次迭代中，根据当前节点位置和周围节点的信息更新节点位置。

4. 粒子群算法：使用粒子群算法进一步优化节点的定位。该算法模拟了鸟群寻找食物的行为，通过调整每个粒子的速度和位置来寻找最优解。在每次迭代中，根据当前节点位置和周围节点的信息更新节点位置。

5. DV-HOP算法：使用DV-HOP算法进行节点跳数估计。该算法通过测量节点之间的信号强度和距离来估计节点之间的跳数关系。根据跳数关系和锚节点的位置，推断未知节点的位置。

6. 节点本地化：将定位后的节点变为锚节点，更新节点类型。

7. 绘制节点分布图：绘制定位前后的节点分布图，可以使用图形库（如Matplotlib）来实现。

8. 计算节点定位误差：将每个节点的定位误差计算为其定位后的位置与真实位置之间的欧氏距离的平均值。

9. 计算节点本地化成功率：计算成功将未知节点定位并本地化为锚节点的比例。

请注意，具体实现中还需要考虑一些细节，如节点初始化、算法参数设置、迭代次数等。这里提供的是一个基本的框架，你可以根据需要进行进一步的调整和改进。