其实就是在图（Graph）上进行 Deep First Search。
下面我们使用一个图来描述一下图上 DFS 过程。

我们从顶点 $1$ 出发，遍历该图，注意 DFS 序可能不唯一。
我们首先访问顶点 $1$，将 $1$ 标注为黑色表示该顶点已经访问，这样图变为下图所示。

此时的 DFS 序为 $\{1\}$。
接着我们访问顶点 $1$ 的所有出边。我们首先选择顶点 $2$，访问顶点 $2$，这样图变为下图所示。

此时的 DFS 序为 $\{1,2\}$。
接着访问顶点 $2$ 的出边，这里我们选择顶点 $3$。这样图变为下图所示。



此时的 DFS 序为 $\{1,2,3\}$。
接着访问顶点 $3$ 的出边，这里我们选择顶点 $4$。这样图变为下图所示。




此时的 DFS 序为 $\{1,2,3,4\}$。
这样，我们就完成了对图的深度优先搜索。
得到一个从顶点 $1$ 出发的 DFS 序为 $\{1,2,3,4\}$。
注意：一个图的 DFS 序可能有多个，比如上图，另外一个合法的 DFS 序是  $\{1,3,4,2\}$。


【前置知识】
DFS 算法。
图的存储。需要掌握邻接矩阵，邻接表，能根据题目提供的数据范围，即 $n$ 的大小选择合适的方法。经验告诉我们当 $n$ 不超过 $2 \times 10^3$，我们可以优先考虑使用邻接矩阵（因为简单）。


【伪代码】

DFS(v) // v 可以是图中的一个顶点，也可以是抽象的概念，如 dp 状态等。
  在 v 上打访问标记
  for u in v 的相邻节点
    if u 没有打过访问标记 then
      DFS(u)
    end
  end
end

如果我们使用邻接矩阵 $g$ 来存储图，那么对应的基础代码为：

/*
u 表示当前访问的顶点
fa 表示 u 的父亲
*/
void dfs(LL u, LL fa) {
    //将顶点u设置已经访问
    vis=true;
    //遍历u的所有出边
    for (LL j=1; j<=n; j++) {
        //顶点 j 没有被访问，同时 u 到 j 有边
        if (vis[j]==false && g[j]) {
            dfs(v, u);
        }
    }
}

如果我们使用邻接表来存储图。那么对应的基础代码为

/*
u 表示当前访问的顶点
fa 表示 u 的父亲
*/
void dfs(LL u, LL fa) {
    //将顶点u设置已经访问
    vis=true;
    //遍历u的所有出边
    for (LL i=h; i!=-1; i=ne[i]) {
       LL v=e[i];
        //顶点 v 没有被访问，邻接表保证了 u 到 v 有边
        if (vis[v]==false) {
            dfs(v, u);
        }
    }
}

【复杂度】
时间复杂度为 $O(n+m)$。
空间复杂度为 $O(n)$。