大富翁Deal 维基百科 规则
《大富翁Deal》乃大富翁的纸牌版游戏,与传统大富翁最大相异之处就是终极目标不是赢取最多金钱,而是要尽快集齐三套不同颜色的物业;也没有“破产”这回事。
2011年,《大富翁Deal》推出加强版,额外增加20张全新纸牌及进阶游戏玩法。
目录
- 1 玩法
- 2 牌种
- 3 牌的功用
- 3.1 加强版新增纸牌功用
- 4 相关产品及作品
- 5 外部链接
玩法
- 准备时间:约1至2分钟
- 游戏时间:约10至15分钟
- 参加者:2至5人。
注:6人或以上需多用一副牌,而每副牌有110张〈加强版为130张〉,其中4张是说明牌。
- 先拿起4张规则牌作参考,将其余106张牌洗匀,然后每人分发五张牌,牌面向下。
- 剩下的牌放在中间作“领牌处”。
- 决定谁先开始(通常是最年轻的人先开始),然后以顺时针方向开始游戏。
- 每人每回合要先抽两张牌,并加入手牌中。如果手中没牌,可抽五张牌。
- 接着可以使用纸牌(每回合可使用0-3张),可在下列的四种形式中,以不同的次序或组合使用。
- 将货币牌或行动牌存入“银行”,行动牌一经进入银行,往后都只能当货币牌使用,直至一局终结为止。
- 收集物业牌(置于玩家的前方)。
- 使用行动牌来向对手收钱,甚至将对手的物业据为己有。
- 改变双色多功能物业牌或彩色多功能物业牌的用途,例如把原本是当作浅蓝色物业牌的浅蓝色+啡色的双色多功能物业牌变成啡色物业牌
- 如果被对手征收金钱:
- 不可使用手上的纸牌支付,只能使用已放置在银行的纸牌支付。
- 银行中的纸牌和物业牌可一拼使用作支付,支付方式是由自己决定而非对方决定。
- 如果使用物业牌来支付,物业牌必须放在对方的物业处。
- 如果没钱的话,可以使用物业抵债;如果连物业也没有,便不用支付;相反如果太多钱的话,则不设找续。
- 例子:玩家A向玩家B收取2百万元,而玩家B身上却只有一张面值1千万元的货币牌,玩家A就可以把那8百万元的差价也赚掉。
- 回合完后如手上还有超过七张牌,将多余的牌放回领牌处的底部;如没有纸牌在手,下回合可抽五张牌。
游戏目标:首名集齐三套不同颜色物业。
加强版游戏玩法:首名集齐四套不同颜色物业,若想增加难度,可再在完整物业牌上加任何一张房子牌。
牌种
- 简易游戏规则4张
- 物业牌39张,包括28张普通物业牌、9张双色多功能物业牌及2张彩色多功能物业牌。
- 行动牌47张(有货币价值,可当钱牌使用),包括10张租金牌、3张彩色租金牌、2张物业接管、3张强制交易、3张盗取、3张作出反对、3张收取债务、3张我的生日、2张双倍租金、3张房子、2张酒店及10张通行证。
- 钱牌20张,包括6张一百万元(1M)、5张二百万元(2M)、3张三百万元(3M)、3张四百万元(4M)、2张五百万元(5M)及1张一千万元(10M)。
- 加强版全新20张,包括1张即时入狱、1张双重盗取、1张超速行驶、1张租金转移、1张继承者、1张酒店、4张房子、4张双色多功能物业牌、2张彩色多功能物业牌及一百万元(1M)至五百万元(5M)牌各一张。
牌的功用
卡名 | 功能 |
---|---|
普通物业牌 |
游戏的关键,最快储齐三套者胜出一局。 有啡色2张、浅蓝色3张、粉红色3张、橙色3张、红色3张、黄色3张、绿色3张、蓝色2张、黑色(车站)4张、青色(公共事业)2张。 |
双色多功能物业牌 |
可当成其中一种颜色的物业来使用(比如是浅蓝色+啡色,可当作浅蓝色或啡色来使用)。 有浅蓝色+啡色1张、浅蓝色+黑色1张、粉红色+橙色2张、红色+黄色2张、蓝色+绿色1张、绿色+黑色1张、黑色+青色1张。 |
彩色多功能物业牌 | 可当成任何一种颜色的物业来使用。是游戏中唯一一种没有价值的牌。 |
租金牌 |
可向所有对手收取牌上其中一种颜色的物业租金(比如是红色+黄色,可选择收取红色或黄色物业的租金)。 有浅蓝色+啡色2张、粉红色+橙色2张、红色+黄色2张、蓝色+绿色2张、黑色+青色2张。 |
彩色租金牌 | 可向其中一位对手收取任何一种颜色物业的租金。 |
双倍租金 | 要与租金牌一起使用。可收取双倍租金。 |
盗取 | 可从其中一位对手手上盗取一张物业牌,但不可盗取全套物业中的其中一张。 |
强制交易 | 用一张物业牌与其中一位对手交换。但不可换取全套物业中的其中一张。 |
物业接管 | 盗取其中一位对手的一整套物业牌。 |
作出反对 | 抵消对手对你作出的行动。 |
收取债务 | 收取其中一位对手五百万元。 |
我的生日 | 收取所有对手二百万元。 |
通行证 | 可多抽两张牌。 |
房子 | 储好一套物业后可以添加,可多赚三百万元租金。但不可以添加在公共事业或车站上。 |
酒店 | 储好一套物业及添加房子后可以添加,可再多赚四百万元租金。但不可以添加在公共事业或车站上。 |
货币牌 | 放在“银行”中,用来向对手支付费用。 |
加强版新增纸牌功用
卡名 | 功能 |
---|---|
即时入狱 | 你可以令其中一位玩家暂停下一回合的行动。 |
双重盗取 | 可从其中一位玩家中盗取两张物业牌,但不可盗取全套物业中的其中一张。 |
超速行驶 | 可选择其中两位玩家各放弃手中的一张纸牌。 |
租金转移 | 选择其中一位玩家替你缴交租金。 |
继承者 | 可从其他玩家手中抽一张纸牌。 |
房子 | 储好一套物业后可以添加,可多赚四百万元租金。但不可以添加在公共事业或车站上。 |
酒店 | 储好一套物业及添加房子后可以添加,可再多赚五百万元租金。但不可以添加在公共事业或车站上。 |
大富翁Deal 维基百科 规则相关推荐
- 维基百科联手谷歌翻译,结果“惨不忍睹”!
作者 | 琥珀 出品 | AI科技大本营 作为前沿科技新闻报道的一线工作者,我们经常会碰到各种陌生难懂.语言不通的词句. 这直接导致我们在引用和查找信息时,往往辅助以维基百科和谷歌翻译为代表的两大信息 ...
- NLP之word2vec:利用 Wikipedia Text(中文维基百科)语料+Word2vec工具来训练简体中文词向量
NLP之word2vec:利用 Wikipedia Text(中文维基百科)语料+Word2vec工具来训练简体中文词向量 目录 输出结果 设计思路 1.Wikipedia Text语料来源 2.维基 ...
- IEEE 754标准--维基百科
IEEE二进制浮点数算术标准(IEEE 754) 是20世纪80年代以来最广泛使用的浮点数运算标准,为许多CPU与浮点运算器所采用.这个标准定义了表示浮点数的格式(包括负零-0)与反常值(denorm ...
- windows下使用word2vec训练维基百科中文语料全攻略!(三
全文共1552个字,7张图,预计阅读时间8分钟. 训练一个聊天机器人的很重要的一步是词向量训练,无论是生成式聊天机器人还是检索式聊天机器人,都需要将文字转化为词向量,时下最火的词向量训练模型是word ...
- Python实现“维基百科六度分隔理论“之基础爬虫
预备阅读:Python的urllib高级用法 Python中Beautiful Soup的用法 Python中的正则表达式模块re 前言 前面学习了urllib和beautifulsoup来进行数 ...
- wiki维基百科各种语料数据下载
wiki维基百科常用语料下载路径 英文语料路径: https://dumps.wikimedia.org/enwiki/ 中文语料路径: https://dumps.wikimedia.org/zhw ...
- 维基百科创建需要注意哪些问题?
对于有国际化发展意识的大型企业,小马识途营销顾问建议提早布局维基百科.此外,创建维基百科不比百度百科,需要注意以下问题: 1.注意维基百科编辑规则 虽然人人皆可以编辑,但大多数条目的主题还是由一个或两 ...
- 维基百科创建和百度百科建立有何不同?
我们国内百科平台百度百科占主导地位,但在国际上来讲维基百科占主导地位,即使在中文百科领域维基百科也是有一席之地的,虽然在大陆访问维基百科非常不便,但是还是有不少海外人士,或国内精通互联网的人士会通过技 ...
- 如何建立维基百科页面(Wikipedia)
大多数情况下,在 Google 上搜索 公司名或品牌名,看到的第一个结果不是他们的网站.Twitter账号.相反,是他们的维基百科页面. 对于提高声誉的品牌而言,有一个属于自己品牌的wiki页面非常重 ...
最新文章
- Eclipse报错:gc overhead limit exceeded eclipse
- NS2安装错误系列(1)
- 让开发自动化持续重构 --使用静态分析工具识别代码味道
- samba 服务
- python3 getopt用法
- UVA1601The Morning after Halloween 单向加双向bfs
- linux查看nginx、apache、php、php-fpm、mysql及配置项所在目录
- Spark启动程序:Master
- 分享一篇很不错的CMake入门文章,值得收藏细读!
- python注入点查找_python注入点查找工具
- 居家隔离14+7天的第三天 2021年8月1日15:49:09
- Canvas实现简单刮刮乐效果
- lighttpd安装_如何在Ubuntu服务器上安装Lighttpd
- Hyperledger Fabric教程(8)--byfn.sh分析-script.sh
- 常用网站提交入口汇总让互联网收录你的网站
- 博士生导师谈他如何检索文献
- 神经网络机器翻译技术及应用(上)
- 10个iPad Air常见小问题及解决方法汇总
- 计算机二级在线模考,计算机二级模拟考试题2016
- 使用Tensorflow 2进行猫狗分类识别