正确答案是：C: 生成对抗网络 (GAN)。

专业分析：
图像风格转换任务通常涉及将一幅图像的内容与另一幅图像的风格相结合，这需要复杂的图像处理和特征提取技术。生成对抗网络（GAN）是一种非常适合这类任务的技术。GAN由两个神经网络组成：生成器（Generator）和判别器（Discriminator）。生成器负责生成新的图像，而判别器则负责区分生成的图像和真实图像。通过这种对抗训练，生成器能够生成越来越逼真的图像。

具体来说，GAN中的一种变体——条件生成对抗网络（Conditional GAN, cGAN）和循环一致生成对抗网络（CycleGAN）常用于图像风格转换。CycleGAN尤其擅长在没有成对训练数据的情况下进行风格转换。

其他选项的分析：
A: 集成学习算法通常用于提高模型的预测性能，但不适合用于图像风格转换任务。
B: 卷积神经网络（CNN）在图像处理和特征提取方面表现出色，但单独使用CNN并不足以完成风格转换任务。
D: 强化学习算法主要用于决策和控制任务，不适合直接用于图像风格转换。

因此，生成对抗网络（GAN）是图像风格转换任务中最合适的技术。