Андрей

1. Открываете какой-либо заранее заданный UDP-порт на прослушивание. (Если проблема в том, что Вы боитесь, что порт будет уже занят каким-то другим сервисом, то заведите пул портов 5-10 в разных частях диапазона).

2. Отправляете широковещательный UDP-пакет на этот порт(ы) с определенной сигнатурой. Если такая сигнатура получена - начинаете обмен. Если какой-то другой сервис занял этот порт, то он просто проигнорирует неизвестную ему сигнатуру.

Широковещательные TCP-запросы невозможны - только UDP.

Если задача установить именно TCP-соединение, то перед широковещательной рассылкой открываете какой-либо свободный TCP-порт на прослушивание, а в UDP-пакете после сигнатуры, указываете, какой номер TCP-порта открыт.

Если боитесь, что TCP-порт на данной машине уже занят каким-то другим сервисом на прослушивание, то процедура listen просто вернет Вам ошибку и Вы выберете следующий свободный.

Если у Вас заранее известное и небольшое кол-во строк во втором массиве, то создайте хеш-таблицу из второго массива размера, гарантирующего отсутствие коллизий между строками второго массива и сразу же в хеш-таблице укажите индекс возможно совпавшей строки по второму массиву.

В итоге:
- предзатраты = расчет хешей строк второго массива (заполнение таблицы),
- затраты сравнения = расчет хеша строки первого массива + 1 операция выборки из массива + если есть подозрение на совпадение - полное сравнение строки.

Для data-mining нужны большие массивы информации "под рукой". Отталкивайтесь при выборе темы в первую очередь от этого.

- поиск заражений ботнетами по логам корпоративного прокси сервера
- анти-спам
- поиск нехарактерной активности пользователей корпоративной сети
- выявление авторства (идентификация анонимного автора) на интернет-форумах
- поиск зависимостей между новостями на информационных лентах и/или реальными событиями
- прогнозирование любых обменных курсов на основании новостных сайтов
- поиск зависимостей между действиями пользователей в социальных сетях или блогах

в общем фантазия при таких вводных, как у Вас, фактически не ограничена

Берите эффективные реализации на С и перекладывайте их самостоятельно на Java
http://math.nist.gov/sparselib++/

А можно к русскому языку несколько субъективных не то чтобы даже замечаний, а неровностей?

— «На этом докладе» -> «В этом докладе»?
— «добавляют ручной работы» ??? (м.б. «увеличивают объем ручной работы»)
— 3 абзац: три раза «ваша»
— 3 абзац: если перечисление начато «с помощью», то зачем снова «с помощью» перед последним однородным членом?
— 4 абзац: «сборку, которая собирает»